标签： deep-learning conv-neural-network convergence data-augmentation
请考虑以下情况： 我的数据集有限，所以我要进行实时数据扩充。 因此，训练永远不会看到相同的图像两次（如果我拥有没有扩充的大数据集，就会发生这种情况。）
我的问题是： 在这种情况下，纪元是什么意思？ 这是个好策略吗？ 有多个批次和几个纪元与有几个批次和多个纪元有区别吗？
让算法在每个纪元中看到不同的图像不会减慢收敛速度吗？
P.S。 如果我不使用增强，则算法需要花费多个纪元（4000）才能收敛到训练数据上（而且似乎过拟合）。
谢谢， 逃跑