对于我在 Keras 中实现的前馈神经网络中的输入，我只是想检查我的理解是否正确。
[[ 25.26000023 26.37000084 24.67000008 23.30999947]
[ 26.37000084 24.67000008 23.30999947 21.36000061]
[ 24.67000008 23.30999947 21.36000061 19.77000046]...]
所以在上面的数据中，它是一个数组中 4 个输入的时间窗口。我的输入层是
model.add(Dense(4, input_dim=4, activation='sigmoid'))
model.fit(trainX, trainY, nb_epoch=10000,verbose=2,batch_size=4)
batch_size 是 4，理论上当我调用 fit 函数时，该函数会遍历每个 nb_epoch 中的所有这些输入吗？batch_size 是否需要为 4 才能使这个时间窗口起作用？
谢谢约翰
让我用一个例子来解释一下：
当您有 32 个训练示例并且您使用 4 的model.fit a 调用时batch_size，神经网络将一次显示 4 个示例，但一个 epoch 仍将定义为对所有 32 个示例进行一次完整的遍历。因此，在这种情况下，网络将一次通过 4 个示例，并且至少在理论上将调用前向传递（和后向传递）32 / 4 = 8 次。
在极端情况下，当您batch_size为 1 时，这就是普通的旧随机梯度下降。当你batch_size大于 1 时，它被称为批量梯度下降。
batch_size 是 4，理论上当我调用 fit 函数时，该函数会遍历每个 nb_epoch 中的所有这些输入吗？
是的，每个时期都是对所有训练样本的迭代
batch_size 是否需要为 4 才能使这个时间窗口起作用？
不，这些是完全不相关的事情。批处理只是训练数据的一个子集，用于计算成本函数真实梯度的近似值。更大的批次 - 更接近真实梯度（和原始梯度下降），但训练变得更慢。更接近 1 - 它变得越来越随机、嘈杂的近似（并且更接近随机梯度下降）。您匹配 batch_size 和数据维度的事实只是一个奇怪的巧合，没有任何意义。
让我把它放在更一般的设置中，你在梯度下降中使用加性损失函数（神经网络通常使用）所做的事情是违背梯度，即
grad_theta 1/N SUM_i=1^N loss(x_i, pred(x_i), y_i|theta) =
= 1/N SUM_i=1^N grad_theta loss(x_i, pred(x_i), y_i|theta)
与 相比，loss您的（预测）的损失函数在哪里？predy_i
在基于批处理的场景中（粗略的想法）是您不需要查看所有示例，而是需要一些严格的子集，例如batch = {(x_1, y_1), (x_5, y_5), (x_89, y_89) ... }并使用形式梯度的近似值
1/|batch| SUM_(x_i, y_i) in batch: grad_theta loss(x_i, pred(x_i), y_i|theta)
如您所见，这与x_i居住空间没有任何关系，因此与数据的维度无关。