epoch、batch size和steps_per_epoch的区别

在深度学习训练过程中，epoch、batch size和steps_per_epoch是三个关键概念，它们的区别和关系如下：

---

1. ‌Epoch（训练轮次）‌

• ‌定义‌：1个epoch表示模型完整遍历‌整个训练数据集一次‌（所有样本都被模型学习过一遍）。
• ‌作用‌：通常需要多个epoch（如50、100轮）让模型充分学习数据特征。
• ‌示例‌：若训练集有1000个样本，1个epoch即模型看过这1000个样本一次。

---

2. ‌Batch Size（批大小）‌

• ‌定义‌：每次迭代（step）时‌一次性输入模型的样本数量‌。
• ‌作用‌：
  • 内存效率：批量处理减少内存占用（相比单样本训练）。
  • 梯度稳定性：批量数据的梯度均值更稳定（相比随机梯度下降）。
• ‌示例‌：若batch size=32，则每次模型更新参数时计算32个样本的损失梯度。

---

3. ‌Steps per Epoch（每轮步数）‌

• ‌定义</