问题描述
早上好！
我只是想澄清一下 - model.fit 中的 batch_size 参数是声明了有多少样本进入，还是一次进入的样本数量 x/batch_size，其中总共有 x 个样本？
也就是说，假设我们有 20,000 个样本，我们的批次大小为 100。这意味着一次传入 200 个样本（即 100 个批次），还是 100 个样本？
我问是因为 https://deeplizard.com/learn/video/Skc8nqJirJg 说“如果我们一次将整个训练集传递给模型 (batch_size=1)，那么我们刚才计算损失的过程将在每个 epoch 结束时发生在训练期间”，暗示它是一批。然而，batch_size 似乎根据它的名字有什么不同，所以我想澄清一下。
谢谢！
注意：还有一个类似的问题，但没有人回答 - How BatchSize in Keras works ? LSTM-WithState-Time Series
补充一点：这些样本是如何选择的？
解决方法
来自 TensorFlow documentation：
batch_size：整数或无。每次梯度更新的样本数。如果 未指定，batch_size 将默认为 32。不要指定 如果您的数据采用数据集、生成器或 keras.utils.Sequence 实例（因为它们生成批次）。
所以它是梯度更新之前使用的样本数。如果 batch_size 等于 1，那么每个样本都会有一个梯度更新（因此，每个 epoch 的 num_samples 次）
例如，对于您引用的示例：如果我们有 20,000 个样本并且我们的批次大小为 100，则一次通过 100 个样本。
补充一点：这些样本是如何选择的？
这取决于 fit 方法的 shuffle 参数是否为 True。如果是，则随机抽取它们，直到选择了所有样本（纪元结束）。如果不是，则按顺序取它们