Epoch:使用训练集中全部数据对模型进行一次完整训练,称为“一代训练”
(训练时,所有数据都练过一次)
Batch:使用训练集中的一小部分样本对模型权重进行一次反向传播的参数更新,这一小部分样本成为“一批数据”
1个batch包含的样本的数目为batch_size,通常设为2的n次幂,常用的包括64,128,256。
假设数据集有10000张训练图片,batch_size = 128
每个Epoch要训练的图片数量:10000
训练集的Batch个数:10000/128+1 = 79
每个Eproch需要完成的Batch数:79