NLP：Epoch、Batch、Iteration

 

• Epoch（时期）：
  当一个完整的数据集通过了神经网络一次并且返回了一次，这个过程称为一次>epoch。（也就是说，所有训练样本在神经网络中都 进行了一次正向传播 和一次反向传播 ）
  再通俗一点，一个Epoch就是将所有训练样本训练一次的过程。

然而，当一个Epoch的样本（也就是所有的训练样本）数量可能太过庞大（对于计算机而言），就需要把它分成多个小块，也就是就是分成多个Batch 来进行训练。**

• Batch（批 / 一批样本）：
  将整个训练样本分成若干个Batch。

• Batch_Size（批大小）：
  每批样本的大小。

• Iteration（一次迭代）：
  训练一个Batch就是一次Iteration（这个概念跟程序语言中的迭代器相似）。

 

epoch表示迭代周期，batchs表示批次数,一个epoch表示模型遍历并处理过所有样本一次;

batch表示批次数，批次数 =  样本个数 /batchSize ;

batchSize表示批次大小，如bathSize=5，代表模型处理完5个样本后，进行一次前向传播和反向传播;

step表示模型步数。step = epoch * batchSize。是 梯度更新的次数，一般就是batch的数目。就是说每计算一个batch的数据会更新一次梯度。