步骤_per_epoch和纪元的设置如何影响Keras中的训练结果？

Question

我的生成器总是从我的数据集中随机产生两个图像，然后我使用这两个样本来计算损失。假设我设置了steps_per_epoch=40和epochs=5，如果我设置了steps_per_epoch=5和epochs=40（我在优化器中使用Adam）有什么区别？

Answer 1

epochs参数（也称为迭代）指的是整个训练数据的通过次数。 steps_per_epoch参数是指一个时期内生成的批次数。因此，我们有steps_per_epoch = n_samples / batch_size。

例如，如果我们有1000个训练样本并将批次大小设置为10，则我们有steps_per_epoch = 1000 / 10 = 100。可以设置epochs，而与批处理大小或steps_per_epoch的值无关。

没有适用于所有方案的批处理大小的确定值。通常，非常大的批处理量会减慢训练过程（即模型收敛到解决方案需要更多时间），非常小的批处理量可能并不能很好地利用可用资源（例如GPU和CPU） 。通常的值包括32、64、128、256、512（2的幂可以帮助更快地分配GPU内存）。另外，here is an answer on SO涉及此问题，其中包括对相关书籍和论文的引用。或者查看this question及其在交叉验证中的答案，以更完整地定义批处理大小。