steps_per_epoch 和 epochs 的设置如何影响 Keras 中的训练结果？答案

【问题标题】：How dose the setting of steps_per_epoch and epochs affect the training result in Keras?steps_per_epoch 和 epochs 的设置如何影响 Keras 中的训练结果？
【发布时间】：2019-01-04 02:01:47
【问题描述】：

我的生成器总是从我的数据集中随机生成两张图像，然后我使用这两个样本计算损失。假设我设置了steps_per_epoch=40 和epochs=5，如果我设置steps_per_epoch=5 和epochs=40 有什么区别（我使用Adam 作为我的优化器）？

【问题讨论】：

标签： machine-learning keras epoch unsupervised-learning adam

【解决方案1】：

epochs 参数（也称为迭代）是指对整个训练数据进行完整传递的次数。 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 个训练样本并且我们将批量大小设置为 10，那么我们有 steps_per_epoch = 1000 / 10 = 100。无论batch-size或steps_per_epoch的值如何，都可以设置epochs。

对于所有场景都没有确定的批量大小值。通常，非常大的批大小会减慢训练过程（即模型需要更多时间才能收敛到解决方案），而非常小的批大小可能无法很好地利用可用资源（即 GPU 和 CPU） .通常的值包括 32、64、128、256、512（2 的幂有助于更快的 GPU 内存分配）。此外，here is an answer on SO 关注此问题，其中包括对相关书籍和论文的引用。或者查看 this question 及其在 Cross Validated 上的答案，以获得更完整的批量大小定义。

【讨论】：

但是它如何影响结果呢？对于 1000 个训练样本，如果我将 batch_size 设置为 100，然后 step_per_epoch 将为 10。这会对训练产生不同的影响吗？
@TeresaHo 我更新了我的帖子。请看一下。