第二章、机器学习之训练轮数（epoch）

机器学习入门之重要参数的理解

第一章 批数据训练（batch）

第二章  训练轮数（epoch）

第三章 学习率（LR : learning rate）

第四章 图像区块（patch）

第五章 滤波器（filter）

---

目录

机器学习入门之重要参数的理解

前言

训练轮数（epoch）是什么？

总结

---

前言

在开启学习机器学习之前，我们先来了解了解机器学习中重要的参数吧，本文介绍了机器学习的基础内容之训练轮数（epoch）。

训练轮数（epoch）是什么？

        Epoch是一个超参数，它定义了学习算法在整个训练数据集中的工作次数。

        Epoch是由一个或多个Batch组成的。E.g.已知，具有一批的Epoch称为批量梯度下降学习算法，可以将for循环放在每个需要遍历训练数据集的epoch上，在这个for循环中是另一个for循环的嵌套，它是用来遍历每批样本的，其中，每一个批次都具有指定的“批量大小（batch_size）”样本数。
        Epochs 数量传统上很大，通常是数百或数千，允许学习算法运行直到模型的误差被充分地最小化了。

        【P.S.可能会看到文献和教程设置为10,100,500,1000和更大的时期数量的示例。通常创建线图，其显示沿x轴的时间以及模型在y轴上的误差或技能。这些图有时被称为学习曲线。这些图可以帮助诊断模型是否已经过度学习，学习不足或者是否适合训练数据集。】

---

总结

以上就是今天要讲的内容，本文仅仅简单介绍了训练轮数epoch，而epoch的大小以及与其他超参数之间的联系都对模型的性能，如auc,acc等有重要影响，如果有更好的调参思路，请不吝赐教，谢谢！