batchsize ：一次训练所选取的样本数

批（batch）尺寸，即训练一次网络所用的样本数。

因为训练网络时如果一次把所有的数据都输入网络中计算量过大，所以一般把数据分成若干个批次，一批批把数据传递给网络，并在每一批数据传输后更新网络参数。这样，一方面每一批次中的所有数据共同决定了本次梯度下降的方向，下降起来就不容易跑偏，减少了随机性；另一方面因为一批中的样本数与整个数据集相比小了很多，降低计算量。

1 Iteration 和 Number of Iterations

1次iteration（迭代）就是把batch_size个数据在网络中训练一次。把全部样本数据，按batchsize可以分成了Number of Iterations块。即Numbers of iterations = All datas / batch_size

2 epochs

一次epoch(轮数)就是把所有数据都放在网络中训练一次。epochs是指训练过程中所有数据被“轮”多少次。

3 举例

若训练集有1000个样本且batch_size=10，可知训练完所有数据需迭代iterations100次。若epochs为10，指把所有数据都训练10轮。

4 Batch Size 参数

Batch Size =none	训练网络时一次把所有的数据输入网络中，只适用于小样本数据库
Batch Size =1	每次训练一个样本，即在线学习（Online Learning），结果不准确网络难收敛。
Batch Size =32	一般用批梯度下降法（Mini-batches Learning）选择适合的Batch Size

有用请点赞哦~