iteration：1個iteration等于使用batchsize個樣本訓練一次；

epoch：1個epoch等于使用訓練集中的全部樣本訓練一次，通俗的講epoch的值就是整個數據集被輪幾次。

比如：
我這邊的數據量是4670，batch設置為6，那么一輪的iteration就是4670//6+1=779

而epoch是這樣：

參考文章1：深度學習中的batch、epoch、iteration的含義

參考文章2：深度學習中的epochs，batch_size，iterations理解

20210822：復習一下

mnist 數據集有張圖片作為訓練數據，張圖片作為測試數據。 假設現在選擇 Batch_Size = 對模型進行訓練。迭代次。每個 Epoch 要訓練的圖片數量：(訓練集上的所有圖像) 訓練集具有的 Batch 個數： 每個 Epoch 需要完成的 Batch 個數： 每個 Epoch 具有的 Iteration 個數：（完成一個Batch訓練，相當于參數迭代一次） 每個 Epoch 中發生模型權重更新的次數： 訓練 10 個Epoch后，模型權重更新的次數： 不同Epoch的訓練，其實用的是同一個訓練集的數據。 第1個Epoch和第10個Epoch雖然用的都是訓練集的圖片，但是對模型的權重更新值卻是完全不同的。 因為不同Epoch的模型處于代價函數空間上的不同位置，模型的訓練代越靠后，越接近谷底，其代價越小。 總共完成30000次迭代，相當于完成了個Epoch

參考文章：深度學習 | 三個概念：Epoch, Batch, Iteration

我的理解：

比如我訓練集有100個數據樣本，我batch_size是20，我采用SGD隨機梯度下降，從中隨機抽20個樣本計算平均損失，然后用梯度下降法更新一次參數，就相當于做了一次iteration。然后我做5次iteration就相當于做了一次epoch

不知道這樣理解對不對，日后再回查下！

總結

以上是生活随笔為你收集整理的深度学习中batch_size、epoch和iteration的含义的全部內容，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。