两种模型训练方式思考比较

关于神经网络两种模型训练方式思考：

1、第一种是一个样本的训练方式：

每次只输入一个样本，计算出均方误差，之后进行一次全局权值调整。然后依次的训练其他的样本，直到所有的样本都满足最后的模型，模型收敛！这种方法的缺点就是收敛太慢，但好处就是可以严格控制每个样本的误差量。

2、样本的批训练方式（常用）：

将所有的样本依次输入网络，计算出各个样本的均方误差，然后累加所有的误差，进行一次全局权值的调整。这种训练方式很明显的优点是可以可以加快收敛方式，但是每个样本的误差量就保证不了，因为误差是总体的误差。