matlab中epochs是什么意思

matlab中epochs是计闷敏算时根据输出误差返回调整神经元权值和阀值的次数。

验证方法：

(一)使用网络升段 linearlayer

1，cell输入形式

输入 P={[12] [21] [23] [31]}

目标值 T={4 5 7 7}

使用adapt

输入命令：

P={[12] [21] [23] [31]}

T={4 5 7 7}

net=linearlayer(0,0.1)

net=configure(net,P,T)

net.IW{1,1}=[0,0]

net.b{1}=0

[net,a,e]=adapt(net,P,T)

权重更新4次，最后值：

net.IW{1,1}= 1.56001.5200

net.b{1}=0.9200

仿真结果：[0][2][6.0000][5.8000]

2,矩阵输入形式

输入P=[1 2 2 32 1 3 1]

输出吵罩誉T=[4 5 7 7]

使用adapt

输入命令：

P=[1 2 2 32 1 3 1]

T=[4 5 7 7]

net=linearlayer(0,0.01)

net=configure(net,P,T)

net.IW{1,1}=[0,0]

net.b{1}=0

[net,a,e]=adapt(net,P,T)

权重更新一次，最后值：

net.IW{1,1}=0.49000.4100

net.b{1}= 0.2300

3,矩阵输入形式

输入P=[1 2 2 32 1 3 1]

输出T=[4 5 7 7]

使用train(其中设置epochs=1)

前提：对学习函数和训练函数加入显式的调用命令；

P=[1 2 2 32 1 3 1]

T=[4 5 7 7]

net=linearlayer(0,0.01)

net=configure(net,P,T)

net.IW{1,1}=[0,0]

net.b{1}=0

net=trian(net,P,T)

权重更新一次，最后值：

net.IW{1,1}=0.49000.4100

net.b{1}= 0.2300

结论：对于静态网络而言linearlayer，adapt的cell输入为在线学习，而矩阵输入为离线学习相当于train的一个回合。

至于动态网络：有时间再做。

训练整个数据集的次数。

当一个 完整的 数据集通过了神经网络一次并且返回了一次，这个过程称为一次epoch。（也就是说，所有训练样本在神经网络中都进行了一次正向传播 和一次反向传播 ）

然而，当一个Epoch的样本（也就是所有的训练样本）数量可能太过庞大（对于计算机而言），就需要把它分成多个小御旅戚块，也就是就是分成镇猛多个Batch 来进行训练。

将整个训练样本分成若干个Batch。

每批样本的大小。

训练一镇陵个Batch就是一次Iteration（这个概念跟程序语言中的迭代器相似）。

mnist 数据集有60000张图片作为训练数据，10000张图片作为测试数据。假设现在选择 Batch_Size = 100对模型进行训练。迭代30000次。

参考： https://www.jianshu.com/p/22c50ded4cf7

---