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
![[公式]](https://i-blog.csdnimg.cn/blog_migrate/48a65e369a104db50e34f71599c7a73a.png)
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]](https://i-blog.csdnimg.cn/blog_migrate/8c8b94be5d8acb89d5cf86b38ec76dee.png)
- 训练集具有的 Batch 个数:
![[公式]](https://i-blog.csdnimg.cn/blog_migrate/8c8b94be5d8acb89d5cf86b38ec76dee.png+%2F+256+%3D+195+%2B+1+%3D+196)
- 每个 Epoch 需要完成的 Batch 个数:
![[公式]](https://i-blog.csdnimg.cn/blog_migrate/8b21884ec0170bdc3071e4d7ddce9d81.png)
- 每个 Epoch 具有的 Iteration 个数:
![[公式]](https://i-blog.csdnimg.cn/blog_migrate/8b21884ec0170bdc3071e4d7ddce9d81.png)
- 每个 Epoch 中发生模型权重更新的次数:
![[公式]](https://i-blog.csdnimg.cn/blog_migrate/8b21884ec0170bdc3071e4d7ddce9d81.png)
- 训练
代后,模型权重更新的次数: ![[公式]](https://i-blog.csdnimg.cn/blog_migrate/8b21884ec0170bdc3071e4d7ddce9d81.png+%2A+10+%3D+1960)
- 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。
更多推荐
所有评论(0)