小型批次随机梯度下降

Question

我的问题是，为实现小批量SGD算法，应对SGD算法进行哪些更改。

在书中，汤姆·米切尔（Tom Mitchell）撰写的Machine Learning，GD和SGD算法得到了很好的解释。这是本书中有关SGD反向传播算法的摘录：

我知道SGD和mini-batch SGD之间的区别在于，在前者中，我们使用一个训练示例来更新（外部while循环的）每次迭代中的权重，而在后者中，在每次迭代中都应使用一批训练示例。但是我仍然不知道如何更改以下算法以解决此更改。

这是我认为的样子，但无法通过我在网络上关注的几个教程来证实。

Until the termination condition is met, Do
  batch <- get next batch
  For each <x,t> in batch, Do
    1- Propagate the input forward through the network.
    2- d_k += o_k(1 - o_k)(t_k - o_k) 
    3- d_h += o_h(1 - o_h)sum(w_kh * d_k)
  For each network weight w_ij, Do
    w_ji += etha * d_j * x_ij

非常感谢您的帮助！