Epoch

什么是纪元？

在人工神经网络的世界里， 一个时期是整个训练数据集的一个循环. 训练一个神经网络通常需要很多个 epoch。 简单地说，如果我们提供一个神经网络 以不同模式训练数据 在不止一个时期，当我们给它一个新的未观察到的输入（测试数据）时，我们期望改进泛化。

数据集的 模型的基础参数已更改 每个时代。 因此，批量梯度下降学习算法被命名为 每个批次的纪元. 批量大小通常为 1 或更大, 历元数中始终为整数值。 它也可以表示为 具有一定数量的for循环，每条循环路线遍历整个训练数据集。

当样本“批量大小”值为 1 时，for 循环包含一个层，使其能够在单个批次中运行指定样本。 建立多少 模型应该执行训练的时期 依赖于与数据和模型目标相关的几个参数。 要转换这个 程序转化为算法，通常需要对数据有透彻的了解。

当一个 完整的数据集向前传输然后返回 通过神经网络，它被称为一个Epoch。 我们打破了 时代分成多个较小的批次 因为一个纪元太大，无法一次全部发送到计算机。

这 时间段用于指定区块链网络中特定事件的时间 将会发生，例如何时分配激励或何时分配新的验证器组来验证交易。 每个区块链协议都定义了该时间段 不同的。 一般指链上一定数量的区块完成所需要的时间。