#深入探究# Tensorflow 中 batch_size 的设置问题

在学习tensorflow时，有几个地方都能设置batch_size 参数，这里对batch_size的设置做一个总结
首先强调一下，这个batch_size的作用就是规定每次梯度更新的样本数量（规定小批量梯度下降每次梯度更新的样本数量）

目前已知设置 batch_size 的地方有：

• tf.data.batch() 函数、生成器或keras.utils.Sequence实例 都能通过内部方法生成batch
• fit() 函数中的 batch_size 参数

根据输入数据类型的不同，可分为如下两种情况：

1. 如果fit() 函数的数据采用数据集（包括 tf.data， tf.data默认batch_size=32），生成器或keras.utils.Sequence实例的形式（因为它们会内部生成batch），那么这些数据内部的会生成batch，此时通过 fit() 函数中的 batch_size 参数设置batch_size 无效（fit方法会内部屏蔽 batch_size 参数）

2. 当如果fit() 函数的数据不是数据集（包括 tf.data， tf.data默认batch_size=32），生成器或keras.utils.Sequence实例的形式时，则可以通过fit() 函数中的 batch_size 参数设置 batch_size

注：batch()方法不能重复使用，使用batch()方法会增加一个维度!