如果我在一张（大）图像上训练我的模型，一步是否等于一个纪元？

Question

我正在使用 tensorflow 对象检测 api 实现主动学习管道。 因此，我从 xView 数据集中的一张图像开始（大小约为 3000x4000px）。

现在我正在训练我的 fast_rcnn 网络，批量大小为 1。 如果只有一张图像要训练并且批量大小为 1，那么每一步（在控制台中打印）是否等于一个 epoch？

假设在 20 个主动学习周期之后，训练数据集中有 20 张图像，我训练了 19 步，最后一张图像从未被训练过，对吧？

如果图像数量增加但每个主动学习周期的步数保持不变，则网络将永远不会对后来添加的图像进行训练，或者将在停止的地方继续训练（例如图像 19）

Answer 1

您似乎正确理解了 epoch：这是一个训练过程，您在数据集中的每个图像上训练一次。如果您的批量大小等于数据集大小，那么是的，您每个 epoch 有一次迭代。

如果你训练了 19 步（批量大小 = 1）并且有 20 张图像，那么其中一张将被排除在近纪元之外……但被排除在外的图像不一定是“最后一个”一，（“最后一个”取决于您的图像的排序方式）。这取决于您未指定的数据提取软件。

这些输入包中的大多数都采用“shuffle”操作，该功能将在每个 epoch 开始时对数据集进行随机排序。 我还使用了一个按照您的建议执行的摄取包，从前一个停止的地方拾取每一次传球（伪纪元训练组）。每次数据集耗尽时，它还可以选择是否重新洗牌。

要获得明确的答案，您必须检查框架的文档以及为您的特定模型所做的配置选择。如果没有这样的文档，你就会被困在我不得不做的事情中：花十分钟的原始尖叫时间:-)，然后阅读代码。