参考自:
https://www.tensorflow.org/api_docs/python/tf/estimator/Estimator#evaluate
https://developers.google.com/machine-learning/glossary/#epoch
steps : steps batches are processed
epoch: 在训练时,整个数据集的一次完整遍历,以便不漏掉任何一个样本。因此,一个周期表示(
iteration: 模型的权重在训练期间的一次更新。迭代包含计算参数在单个 批量 数据上的梯度损失。
一次iteration代表了一次梯度更新。
batch: 模型训练 的一次 迭代 (即一次 梯度 更新)中使用的样本集。
batch_size: 一个 批次 中的样本数。例如, SGD 的批次规模为 1,而 小批次 的规模通常介于 10 到 1000 之间。批次规模在训练和推断期间通常是固定的;不过,TensorFlow 允许使用动态批次规模。
https://www.tensorflow.org/api_docs/python/tf/estimator/Estimator#evaluate
https://developers.google.com/machine-learning/glossary/#epoch
steps : steps batches are processed
epoch: 在训练时,整个数据集的一次完整遍历,以便不漏掉任何一个样本。因此,一个周期表示(
N
/
批次规模
)次训练
迭代
,其中
N
是样本总数。
iteration: 模型的权重在训练期间的一次更新。迭代包含计算参数在单个 批量 数据上的梯度损失。
一次iteration代表了一次梯度更新。
batch: 模型训练 的一次 迭代 (即一次 梯度 更新)中使用的样本集。
batch_size: 一个 批次 中的样本数。例如, SGD 的批次规模为 1,而 小批次 的规模通常介于 10 到 1000 之间。批次规模在训练和推断期间通常是固定的;不过,TensorFlow 允许使用动态批次规模。
step: 对一个批次的向前和向后评估。