mini-batch의 이해

안녕하십니까, 

이게 academic한 원론적인 부분과 실제 tensorflow와 같은 deep learning framework이 사용하는 방식에 약간의 차이가 있습니다. 

먼저 원론적인 미니배치를 기준으로 말씀 드리면 데이터 건수가 400건이고 100건의 미니 배치로 경사하강법을 적용해서 update될 weight값을 계산하는 것입니다. 100건의 데이터가 업데이트 되는게 아니라 weight가 update되는 것입니다. 그러니까 weight update계산을 전체 데이터 건수가 아니라 샘플링으로 100건만 가지고 update될 weight값을 계산하는 것입니다.  

여기서 약간 혼돈되는 것이 epoch와 iteration입니다. 원론적인 미니배치는 첫번째 iteration시 weight를 update할 때 무작위로 400건중에 무작외로 100건을 뽑아서 weight update값을 계산하고 update적용, 두번째 iteration 시에 다시 무작위로 100건을 뽑아서 weight update 값 계산및 적용,  세번째, 네번째 iteration시에도 유사하게 무작위로 100건을 뽑습니다. 이걸 iteration이라고도 표현할 수 있고, epoch라고도 표현할 수 있습니다. 

하지만 tensorflow와 같은 deep learning framework에서는 다릅니다. 위와 같은 iteration을 tensorflow는 step으로 간주합니다. 즉 첫번째 epoch의 첫번째 step에서는  400건중 100건을 뽑아서 weight update 계산 및 적용, 두번째 step에서 나머지 300건 중 100건을 뽑아서 weight update 계산 및 적용, 세번째 step에서 나머지 200건중 100건으로 weight update 계산 및 적용, 마지막 네번째 step에서 나머지 100건으로 weight update 계산 및 적용을 합니다.  이렇게 400건 모두에 대해서 weight update를 적용했으면 이제 두번째 epoch에서 동일한 방식을 또 반복합니다.  

아래에 비슷한 내용을 질문하신 분이 있어서 답변을 달아놓은 내용이 있으니 참조하시기 바랍니다. 

https://www.inflearn.com/questions/216570