Keras中batch_size如何使用？model.fit中该参数的具体含义是什么

核心定义 #

首先明确：model.fit() 中的 batch_size 是单批次送入模型计算的样本数量，而非训练的总批次数量。
举你提到的例子验证：总样本数20000，设置batch_size=100的情况下，单次传入模型的样本就是100个，每个训练轮次（epoch）总共会拆分出200个批次完成全量样本训练。

表述矛盾说明 #

你提到的资料里“batch_size=1对应一次性传入整个训练集”的表述属于笔误，把批次总数和batch_size的定义搞反了：如果要实现单轮训练一次性传入全量样本，需要把batch_size设置为和总样本数相等，此时单轮的总批次数量才是1。

批次样本的选择规则 #

默认配置下的采样逻辑如下：

• 如果shuffle参数设置为True（model.fit的默认配置），每个epoch开始时会先将全量训练集随机打乱顺序，再按batch_size的大小顺次切分为不同批次，同个epoch内所有样本只会被使用一次，无重复采样。
• 如果shuffle参数设置为False，会直接按照数据集的原始存储顺序顺次切分批次，不做打乱处理。
• 若使用自定义数据集生成器/加载器，批次的采样规则由你自定义的加载逻辑决定，比如可实现类别平衡采样、加权采样等特殊规则。

内容的提问来源于stack exchange，提问作者Janakored