有什么区别epoch and 迭代当训练多层感知器时？
在神经网络术语中：
- one epoch= 一次前向传播和一次反向传播all训练示例
-
批量大小= 一次前向/后向传递中的训练示例数。批量大小越大，需要的内存空间就越大。
- 数量迭代= 遍数，每遍使用 [batch size] 示例数。需要明确的是，一次传球 = 一次前向传球 + 一次后向传球（我们不将前向传球和后向传球算作两次不同的传球）。
例如：如果您有 1000 个训练样本，并且您的批量大小为 500，那么需要 2 次迭代才能完成 1 个 epoch。
FYI: 权衡批量大小与训练神经网络的迭代次数
“批次”一词是不明确的：有些人用它来指定整个训练集，有些人用它来指一次前向/后向传递中的训练示例的数量（正如我在这个答案中所做的那样）。为了避免这种歧义并明确批次对应于一次前向/后向传递中的训练示例的数量，可以使用术语小批量.
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
