如果我在一张（大）图像上训练我的模型，一步是否等于纪元？
Is one step equal to on epoch if i train my model on one (large) image?
我正在使用 tensorflow 对象检测实现主动学习管道 api。
因此，我从 xView 数据集中的一张图像开始（大小约为 3000x4000 像素）。
现在我正在训练我的 faster_rcnn 网络，批量大小为 1。
如果只有一张图片可以训练，batch size 为 1，那么每一步（打印在控制台上）是否等于一个 epoch？
假设在 20 个主动学习周期后，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，对吗？
如果图像数量增加但每个主动学习周期的步数保持不变，网络将永远不会对后来添加的图像进行训练，或者会在停止的地方恢复训练（例如图像 19）
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。如果你的批量大小等于数据集大小，那么是，你每个时期有一个迭代。
如果你训练 19 步（batch size = 1）并且有 20 张图像，那么其中一张将被遗漏在 near-epoch 之外......但遗漏的图像不一定是 "last" 一个，（"last" 取决于图像的排序方式）。这取决于您未指定的数据摄取软件。
这些输入包中的大多数都采用 "shuffle" 操作，该函数会在每个纪元开始时对数据集进行随机排序。
我还使用了一个按照你的建议执行的摄取包，从前一个停止的地方开始每一次通过（伪时代训练组）。每次数据集用完时，它还有一个重新洗牌或不重新洗牌的选项。
要获得明确的答案，您必须查看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，你就只能做我已经做过几次的事情：花十分钟的原始尖叫时间:-)，然后阅读代码。
我正在使用 tensorflow 对象检测实现主动学习管道 api。 因此，我从 xView 数据集中的一张图像开始（大小约为 3000x4000 像素）。
现在我正在训练我的 faster_rcnn 网络，批量大小为 1。 如果只有一张图片可以训练，batch size 为 1，那么每一步（打印在控制台上）是否等于一个 epoch？
假设在 20 个主动学习周期后，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，对吗？
如果图像数量增加但每个主动学习周期的步数保持不变，网络将永远不会对后来添加的图像进行训练，或者会在停止的地方恢复训练（例如图像 19）
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。如果你的批量大小等于数据集大小，那么是，你每个时期有一个迭代。
如果你训练 19 步（batch size = 1）并且有 20 张图像，那么其中一张将被遗漏在 near-epoch 之外......但遗漏的图像不一定是 "last" 一个，（"last" 取决于图像的排序方式）。这取决于您未指定的数据摄取软件。
这些输入包中的大多数都采用 "shuffle" 操作，该函数会在每个纪元开始时对数据集进行随机排序。 我还使用了一个按照你的建议执行的摄取包，从前一个停止的地方开始每一次通过（伪时代训练组）。每次数据集用完时，它还有一个重新洗牌或不重新洗牌的选项。
要获得明确的答案，您必须查看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，你就只能做我已经做过几次的事情：花十分钟的原始尖叫时间:-)，然后阅读代码。