计算机视觉工程师在面试过程中主要考察三个内容：图像处理、机器学习、深度学习。然而，各类资料纷繁复杂，或是简单的知识点罗列，或是有着详细数学推导令人望而生畏的大部头。为了督促自己学习，也为了方便后人，决心将常考必会的知识点以通俗易懂的方式设立专栏进行讲解，努力做到长期更新。此专栏不求甚解，只追求应付一般面试。希望该专栏羽翼渐丰之日，可以为大家免去寻找资料的劳累。每篇介绍一个知识点，没有先后顺序。想了解什么知识点可以私信或者评论，如果重要而且恰巧我也能学会，会尽快更新。最后，每一个知识点我会参考很多资料。考虑到简洁性，就不引用了。如有冒犯之处，联系我进行删除或者补加引用。在此先提前致歉了！
在训练的过程中，先明确几个概念：
batch size: 批大小，更新一次参数，用到的样本数量。
epoch: 周期数，将所有样本均使用一遍是1个epoch。
iteration: 迭代次数，在1个epoch内，更新参数的次数。
举个例子：
5000个样本，batch size是50，iteration就是100。
原理
训练过程有正向传播和反向传播。
正向传播计算损失，反向传播更新参数。
根据batch size大小分为三类：
- batch size = 1 (随机梯度下降) 在每次iteration中，正向传播1次，反向传播1次。
- batch size = 总样本量N (批梯度下降) 在每次iteration中，正向传播N次，反向传播1次。
- batch size = n (mini batch梯度下降) 在每次iteration中，正向传播n次，反向传播1次。
正向传播和反向传播次数不同，怎么做的？
比如batch size = 5
正向传播5次得到5个损失，5个损失取平均，计算1个梯度，反向传播1次。
优缺点
因为batch size大小的优缺点比较复杂，甚至有时候是矛盾的。了解以下原理，能够自己分析，才是最好的。
训练过程中，数据需要被读取到显卡(gpu)中。
batch size越大，占用的gpu显存越大。
batch size太小，比如11GB的显存只用了3GB，如果gpu没有其它任务，那么对gpu的利用显然是不充分的，从这个角度来讲，不利于效率的提升。
batch size过大，超过了gpu的显存容量，那么数据无法读取，无法训练。
n个样本正向传播的梯度相加取平均，n越大，每个iteration的梯度方向越稳定。
batch size变大，梯度方向越稳定，会向一个方向稳定地更新。
但是一直向相似方向前进，容易陷入局部最优。
batch size变小，梯度方向不稳定，训练过程不稳定，容易受到一些极端样本的影响。不过，也不容易陷入局部最优。
讨论不同batch size下训练得到的准确性没有太大的意义。
batch size小，梯度不稳定，需要采用小的学习率，防止受到某一批样本过大的影响。反之，batch size大，梯度稳定，就可以采用相对较大的学习率。
相同epoch，batch size大，iteration少，也就是参数更新次数少。所以针对不同的batch size，epoch的设置也是不同的。
综上，不同的batch size都有其合适的超参数选择，所以直接比较使用不同batch size训练的准确率，没有太大意义。
不同batch size的iteration的时间几乎相同。
理论上，每个iteration都是1次反向传播，batch size越大，正向传播次数越多，1次iteration的时间越长。
但是，和反向传播的时间比，正向传播的时间几乎可以忽略不计。
所以，不同batch size的iteration的时间几乎相同。
具体到1个epoch，因为大batch size的iteration次数少，所以大batch size的每个epoch的时间短。
如果，非要下一个通用的结论：
在一定范围内，大batch size注重效率，小batch size注重精度。
讨论
batch size通常是2的幂函数，比如32,64,128…
一问原因都说是因为计算机是2进制运算，具体又说不出来。
我能想到的一个强行解释是：
在求损失的平均值时，除以32这类数可以直接移位。但是这个差距我觉得可以忽略不计了吧。
所以很多人也通常不会遵守这一潜规则。
如果有大佬了解具体原因，恳请多多指教！
完
欢迎讨论 欢迎吐槽