1、batchsize:批大小,每次训练在训练集中取batchsize个样本训练;
2、iteration:1个iteration等于使用batchsize个样本训练一次;
3、epoch:1个epoch等于使用训练集中的全部样本训练一次;
举个例子,训练集有1000个样本,batchsize=10,那么:
训练完整个样本集需要: 100次iteration,1次epoch。
batchsize: https://www.zhihu.com/question/32673260
batch: 批,深度学习每一次参数的更新所需要损失函数并不是由一个{data:label}获得的,而是由一组数据加权得到的,这一组数据的数量就是 batch size。
epoch:当一个完整的数据集通过神经网络一次并且返回了一次,这个过程称为一个 epoch。
iteration: 是batch 需要完成一个 epoch 的次数。记住:在一个 epoch 中,batch 数和迭代数iteration 是相等的。
batch size:一个 batch 中的样本总数。
比如对于一个有 2000 个训练样本的数据集。将 2000 个样本分成大小为 500 的 batch,那么完成一个 epoch 需要 4 个 iteration。