原文:https://blog.csdn.net/qq_21997625/article/details/85071702
https://blog.csdn.net/qq_37274615/article/details/81147013
参考:https://blog.csdn.net/xiaohuihui1994/article/details/80624593
mnist 数据集有 60000 张图片作为训练数据,10000 张图片作为测试数据。现在选择 Batch Size = 100 对模型进行训练。
每个 Epoch 要训练的图片数量:60000(训练集上的所有图像)
训练集具有的 Batch 个数: 60000/100=600
每个 Epoch 需要完成的 Batch 个数: 600
每个 Epoch 具有的 Iteration 个数: 600(完成一个Batch,相当于参数迭代一次)
每个 Epoch 中发生模型权重更新的次数:600
训练 10 个Epoch后,模型权重更新的次数: 600*10=6000
不同Epoch的训练,其实用的是同一个训练集的数据。第1个Epoch和第10个Epoch虽然用的都是训练集的60000图片,但是对模型的权重更新值却是完全不同的。因为不同Epoch的模型处于代价函数空间上的不同位置,模型的训练代越靠后,越接近谷底,其代价越小。
总共完成30000次迭代,相当于完成了 30000/600=50 个Epoch