model.fit(train_data, train_labels, validation_data=(test_data, test_labels), batch_size=32, epochs=100, callbacks=[checkpoint] ) 训练100个epoch，选用训练集与测试集的比为9比1，而总视频数据集的个数为300个，所以我们注意batchsize的设置为30，保证样本分布均匀。如果是默认值32的话，是不是有三种情况，第一种情况是第一轮的epoch训练集有14个样本会多出来，这14个还会作为一批次参与第一轮的训练集迭代训练，还是与第二轮的epoch训练集前18凑成32个训练样本进行一个批次的训练呢？第二种情况直接14个训练集样本作为一个批次直接参与训练。第三种情况是直接舍弃这一个批次的训练，一个epoch，进行8个批次的迭代。 当使用tensorflow定义模型进行训练的时候是哪种情况呢？

当使用 TensorFlow 定义模型进行训练时，默认情况下会采用第三种情况，即舍弃多出来的样本。如果您想要采用第一种或第二种情况，可以调整 batch_size 参数为 14，这样第一轮的 epoch 训练集会有 14 个样本，后续的 epoch 会有 18 个样本。但是需要注意的是，这样可能会导致样本分布不均匀，影响模型的训练效果。