TF_OD API示例配置中train_hyperparameter为何用step而非epoch

• 适配通用输入场景
  TF OD API的设计目标是同时覆盖固定规模离线数据集、无明确样本边界的流式数据集两类使用场景：后者包括在线实时增强生成的训练数据、持续接入的增量标注数据、合成数据等，这类输入没有固定的总样本量，根本无法定义「遍历全量数据一次」的epoch概念。用step（即完成一次batch数据处理、一次全局参数更新）作为统一计数单位，不需要提前获取数据集总规模，对所有输入类型都兼容。
• 保障分布式训练的进度对齐
  在多卡/多节点分布式训练场景下，不同硬件节点的数据加载速度、batch切分逻辑可能存在细微差异，如果以epoch作为调度单位，很容易出现节点间进度不同步的问题。step计数和全局参数更新次数严格绑定，无论使用多少张训练卡、单卡batch size设置为多少，完成一次全局参数更新即计为1个step，学习率调度、checkpoint保存、训练终止等逻辑都可以严格对齐，不会出现进度漂移。
• 训练调度逻辑更可控
  目标检测模型的训练策略（比如学习率warmup、分段学习率衰减）大多是按参数更新次数设计的，用step作为计数单位时，调整batch size、更换数据集规模都不需要重新换算调度节点对应的数值，做对比实验时固定总step数，就能保证不同实验配置下的参数更新总次数一致，变量控制更严谨。
• 无训练数据遍历遗漏风险
  关于step计数可能导致训练末期无法遍历全量数据的疑虑，实际上已知batch size的前提下step和epoch本身就可以互相换算，二者没有本质差异：如果使用固定规模的离线数据集，完全可以通过公式 num_steps = (训练集总样本量 / 全局有效batch_size) * 目标训练epoch数 计算出需要配置的总训练step数，填入配置文件的train_hyperparameter.num_steps字段即可，完全可以保证训练过程精准遍历对应轮次的全量训练数据，不会出现末尾数据漏训的问题。官方示例默认用step作为单位，只是提供了通用性更强的配置选项，并不强制用户必须脱离epoch逻辑设置参数。

内容的提问来源于stack exchange，提问作者Roy