batchsize, epochs说明
batchsize, epochs是机器学习中超参数，需要根据经验进行设置。
batchsize
每个batch 中： 训练样本的数量。
批量梯度下降
batchsize=训练集的大小, 全部。类似算数平均。
收敛性最好，但由于每次计算都会使用全部数据进行计算，时间和内存花费比较大。随机梯度下降
batchsize= 1。类似移动平均。
收敛性最差，剧烈波动。小批量梯度下降
1 < batchsize < 训练集的大小。类似加权移动平均。
epochs
定义了学习算法在整个训练数据集中的工作次数。epochs不是越大越好。
epochs越多，拟合状态会从不拟合->拟合->过拟合。
训练次数越多，对学习的数据集识别率会越来越高，但是对数据集以外的基本不识别，这时就是过拟合状态。需要减少训练次数。
转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 wind.kaisa@gmail.com
