深度学习中的epoch、batchsize、iterations的理解

• Epoch：一个epoch就是将 所有的数据 放入神经网络中 完成一次前向计算及反向传播的过程。训练模型时通常会选择多个epoch,从而将所有的数据进行反复的训练，以达到拟合收敛的目的

• Batch Size: 由于将所有的数据一次放入神经网络中，会给计算机带来较大的负荷，所以我们通常将所有的数据均分成几批，一批一批放入神经网络中，从而减少计算机的压力，每批数据量的大小就是Batch Size

• iteration: 当我们进行一次epoch需要将数据分成 n 批 传送神经网络，这里 的 n 就是 迭代的次数，也就是iteration的大小

• 举个具体的例子：假如我们有2000个数据，我们想要将数据分成四批依次传入到神经网络中，那么batch size == 500（就是每批数据量的大小），将所有的数据放入神经网络需要分四批传入，需要迭代四次，所以iterations == 4 ,将所有的数据放入神经网络训练一次后，我们就完成了一个epoch

• 以上只是我个人的理解，如有错误，请批评指正，最后附上参考的链接：https://mp.weixin.qq.com/s/tEOvxPRPAPndNk3thT8EZA