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

[公式]


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: [公式]
  • 训练集具有的 Batch 个数: [公式]
  • 每个 Epoch 需要完成的 Batch 个数: [公式]
  • 每个 Epoch 具有的 Iteration 个数: [公式]
  • 每个 Epoch 中发生模型权重更新的次数: [公式]
  • 训练 [公式] 代后,模型权重更新的次数: [公式]
  • 不同代的训练,其实用的是同一个训练集的数据。第 [公式] 代和第 [公式] 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。
Logo

腾讯云面向开发者汇聚海量精品云计算使用和开发经验,营造开放的云计算技术生态圈。

更多推荐