神经网络中 batch ///batch_size///epoch///iteration迭代的概念

最新推荐文章于 2025-01-03 17:07:58 发布

不可鲤鱼

最新推荐文章于 2025-01-03 17:07:58 发布

阅读量404

点赞数

CC 4.0 BY-SA版权

分类专栏：神经网络文章标签：神经网络

本文链接：https://blog.youkuaiyun.com/qq_35648528/article/details/88576252

神经网络专栏收录该内容

1 篇文章

订阅专栏

本文详细解析了神经网络训练过程中的关键概念，包括batch、batch_size、iteration和epoch的定义及相互关系，通过实例帮助读者深入理解这些概念如何在实际应用中发挥作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

神经网络中 batch ///batch_size///epoch///iteration迭代的概念

batch：在不能将数据一次性通过网络时，就需将数据集分成几个部分，称为batch（数据分为了多少块）。
batch_size：每部分内样本总数（每块数据的总数）。
iteration:每个batch_size中的数据跑完一次为一次迭代
epoch:所有的batch_size都迭代完为一次epoch（数据集中所有的样本都跑过一遍）

例：
数据集：70000 (其中训练样本：60000 测试样本：10000)
batch_size=100
Batch=训练样本数/(batch_size )=6000/100=600单位
iteration为每个batch_size中的数据跑完一次为一次迭代
600个iteration=1个epoch