batch-size，epoch，有什么区别

batch-size、epoch 是深度学习中常用的超参数。

- batch-size：指的是每次迭代训练中，网络同时处理的样本数。一般来说，batch-size 越大，显存占用就越多，训练速度也会变慢；batch-size 越小，训练速度越快，但是需要更多的迭代次数才能达到相同的训练效果。
- epoch：指的是训练数据集被网络完整地训练一次的次数。一般情况下，epoch 数量越大，模型的训练效果越好，但同时也会增加训练时间和过拟合的风险。

因此，batch-size 和 epoch 都是影响深度学习模型训练的超参数，二者的选择需要根据具体的数据集、网络架构和训练目标进行调整。通常，我们可以通过实验不断调节这两个参数来寻找最佳的超参数组合。