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

batch size：一次Forword運算以及BP運算中所需要的訓練樣本數目，其實深度學習每一次參數的更新所需要損失函數并不是由一個{data：label}獲得的，而是由一組數據加權得到的，這一組數據的數量就是[batch size]。當然batch size 越大，所需的內存就越大，要量力而行

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

轉載于: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)作打卡瓜分現金大獎

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。