one?epoch：所有的訓(xùn)練樣本完成一次Forword運算以及一次BP運算

batch size：一次Forword運算以及BP運算中所需要的訓(xùn)練樣本數(shù)目，其實深度學(xué)習(xí)每一次參數(shù)的更新所需要損失函數(shù)并不是由一個{data：label}獲得的，而是由一組數(shù)據(jù)加權(quán)得到的，這一組數(shù)據(jù)的數(shù)量就是[batch size]。當(dāng)然batch size 越大，所需的內(nèi)存就越大，要量力而行

iterations（迭代）：每一次迭代都是一次權(quán)重更新，每一次權(quán)重更新需要batch size個數(shù)據(jù)進行Forward運算得到損失函數(shù)，再BP算法更新參數(shù)。

轉(zhuǎn)載于:https://www.cnblogs.com/ylHe/p/8629119.html

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結(jié)

以上是生活随笔為你收集整理的深度学习中 epoch，[batch size], iterations概念解释的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。