在Tenosrflow对象检测API中，您可以选择不同的预训练模型，例如Faster RCNN，SSD。然后您可以在配置文件中指定批量大小
我知道，对于随机梯度下降，您将使用输入中的批次连续地向网络供料。
我在想几个问题。
随机梯度下降在Faster RCNN中如何工作？假设它首先具有特征提取器层，然后是分类层。
我从https://wiki.tum.de/pages/viewpage.action?pageId=22578448
找到了这个Fast R-CNN提供的一大改进是 培训期间功能共享的优势。在染色中，随机性 梯度下降（SGD）微型批次是通过分层方式采样的，首先是 采样N个图像，然后从每个图像中采样R / N RoI。
但是我不完全理解上述过程。有人可以对此进行解释吗？
因为一个图像可以包含多个对象，所以当您分批进给图像时，它会在整批图像，逐个图像还是逐个对象中学习吗？
SGD如何决定接下来要喂哪个批次？