训练神经网络中最基本的三个概念：Epoch, Batch, Iteration

今天让我们来总结下训练神经网络中最最基础的三个概念：Epoch, Batch, Iteration。

1. 名词解释

2. 换算关系

实际上，梯度下降的几种方式的根本区别就在于上面公式中的 Batch Size不同。

*注：上表中 Mini-Batch 的 Batch 个数为 N / B + 1 是针对未整除的情况。整除则是 N / B。

3. 示例

CIFAR10 数据集有 50000 张训练图片，10000 张测试图片。现在选择 Batch Size = 256 对模型进行训练。

• 每个 Epoch 要训练的图片数量：
• 训练集具有的 Batch 个数：
• 每个 Epoch 需要完成的 Batch 个数：
• 每个 Epoch 具有的 Iteration 个数：
• 每个 Epoch 中发生模型权重更新的次数：
• 训练 代后，模型权重更新的次数：
• 不同代的训练，其实用的是同一个训练集的数据。第 代和第 代虽然用的都是训练集的五万张图片，但是对模型的权重更新值却是完全不同的。因为不同代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。