在机器学习中,一个 epoch 是指对整个训练数据集进行一次完整的训练。在训练神经网络时,一次完整的训练周期会经过所有的训练样本,然后根据模型的权重进行参数更新。
训练数据集通常被分成小批次(minibatches)进行处理,每个小批次包含一组训练样本。在一个 epoch 中,模型会逐批次地处理训练数据,计算损失并更新模型参数。经过所有的小批次处理后,一个 epoch 完成。
epoch 的数量是一个超参数,需要根据实际情况进行调整。训练过少的 epoch 可能导致模型没有足够的迭代次数来学到数据的模式,而训练过多的 epoch 可能导致过拟合(在训练数据上表现很好,但在未见过的数据上表现较差)
标签:训练,批次,模型,epoch,训练样本,数据 From: https://www.cnblogs.com/mxleader/p/17823448.html