深度学习中 epoch，[batch size], iterations概念解释

86 阅读 0 评论 57 点赞

我是靠谱客的博主痴情西装，最近开发中收集的这篇文章主要介绍深度学习中 epoch，[batch size], iterations概念解释，觉得挺不错的，现在分享给大家，希望可以做个参考。

one epoch：所有的训练样本完成一次Forword运算以及一次BP运算

batch size：一次Forword运算以及BP运算中所需要的训练样本数目，其实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]。当然batch size 越大，所需的内存就越大，要量力而行

iterations（迭代）：每一次迭代都是一次权重更新，每一次权重更新需要batch size个数据进行Forward运算得到损失函数，再BP算法更新参数。

转载于:https://www.cnblogs.com/ylHe/p/8629119.html

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。