Pytorch：关于epoch、batch_size和batch_idx（iteration ）的一些理解（深度学习）

最新推荐文章于 2025-09-25 11:04:08 发布

原创

最新推荐文章于 2025-09-25 11:04:08 发布 · 1.9w 阅读

195 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #神经网络 #python #pytorch

本文介绍了深度学习中重要的概念epoch、batch_size和iteration，通过PyTorch中的CIFAR10数据集举例，解释了它们的关系和作用。batch_size表示每次训练的数据量，batch_idx（或iteration）代表训练的步数，epoch则是一个完整的数据集遍历。理解这些参数对于优化模型训练至关重要。

前言

在新手搭建神经网络时，常弄不清epoch、batch_size、iteration和batch_idx（iteration ）的区别。
这里以torchvision自带的CIFAR10数据集来举例，通过代码操作来直观地对这几个概念进行理解。
声明，这里batch_idx==iteration。

数据准备

首先加载数据集：

import torch
import torch.nn as nn
import torchvision

train_dataset = torchvision.datasets.CIFAR10(root="data/",train=True,download=False)
test_dataset = torchvision.datasets.CIFAR10(root