深度学习 | 三个概念:Epoch, Batch, Iteration
参考: 深度学习 | 三个概念:Epoch, Batch, Iteration
侵删
笔记:
-
-
Batch(批 / 一批样本):
将整个训练样本分成若干个Batch。 -
Batch_Size(批大小):
每批样本的大小。 -
Iteration(一次迭代):
训练一个Batch就是一次Iteration(这个概念跟程序语言中的迭代器相似)。
-
- 换算关系:
-
mnist 数据集有张图片作为训练数据,张图片作为测试数据。假设现在选择 Batch_Size = 对模型进行训练。迭代次。
- 每个 Epoch 要训练的图片数量:(训练集上的所有图像)
- 训练集具有的 Batch 个数:
- 每个 Epoch 需要完成的 Batch 个数:
- 每个 Epoch 具有的 Iteration 个数:(完成一个Batch训练,相当于参数迭代一次)
- 每个 Epoch 中发生模型权重更新的次数:
- 训练 10 个Epoch后,模型权重更新的次数:
- 不同Epoch的训练,其实用的是同一个训练集的数据。第1个Epoch和第10个Epoch虽然用的都是训练集的图片,但是对模型的权重更新值却是完全不同的。因为不同Epoch的模型处于代价函数空间上的不同位置,模型的训练代越靠后,越接近谷底,其代价越小。
- 总共完成30000次迭代,相当于完成了个Epoch
- 上面的链接介绍更详细。