Epoch、Batch、tensor 张量

• Epoch
  使用训练集的全部数据对模型进行一次完整训练的过程，即“一次epoch”。

• Batch
  使数据用训练集中*一小部分样本（一批数据）*对模型权重进行一次反向传播的参数更新，一个Epoch的样本可以分成多个Batch来进行训练。
  Batch_Size：批大小

• Iteration
  使用一个Batch对模型进行一次参数更新的过程，即“一次迭代”。

• tensor
  张量，将矩阵推广到任意维数的一种方法。例如矩阵就是2D张量。

• sclars（0D张量）
  只包含一个数的张量称为标量(或标量张量，或0维张量，或0D张量)。在Numpy中，float32或float64数字是一个标量张量(或标量数组)。可以通过ndim属性显示Numpy张量的轴数;一个标量张量有0个轴(ndim == 0)，张量的轴数也称为张量的秩。这是一个Numpy标量:

import numpy as np
x = np.array(12)
x
array(12)

x.ndim
0

• Vectors（1D tensor）
  矢量(一维张量)一组数字称为矢量，或一维张量。一维张量据说只有一个轴。下面是一个Numpy向量:

x = np.array([12, 3, 6, 14])
x
array([12, 3, 6, 14])

<