epoch、 iteration和batchsize,三个的区别:
(1)batchsize:一个批次样本含量。在深度学习中,即每次训练在训练集中取 batchsize 个样本训练;
(2)iteration:1个iteration等于使用batchsize个样本训练一次;
(3)epoch:1个epoch等于使用训练集中的全部样本训练一次;
举个例子,训练集有1000个样本,batchsize=100,那么,一个batch有100个样本
训练完整个样本集需要:
10次iteration,1次epoch。
iterations(迭代):每一次迭代都是一次权重更新,每一次权重更新需要batch size个数据进行Forward运算得到损失函数,再BP算法更新参数。
最后可以得到一个公式 one epoch = numbers of iterations = N = 训练样本的数量/batch size
卷积层输出feature map 的size为:(N+2xp-k)/s+1 得到(p为padding的大小),每次滑动运算后都会得到一个点。
a) N是NxN平面水平或者垂直方向上的大小;
b) K是kernel在NxN平面方向上的大小kernel_size;
c) S是滑块每次滑动的步长stride;