本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
有一天，一个调参侠在训练一个深度学习模型，要用到的两个数据集损失函数不同，数据集的大小还不是固定的，每天都在增加。
他有点发愁，这该怎么设置Epoch数呢？
在纠结的过程中，他突然想到：干嘛非得定一个Epoch数？只要对每个Batch进行独立同分布抽样(IID Sampling)不就得了。
为了验证这个想法，调参侠去看了很多论文。发现越来越多的人介绍他们的训练方法时，只说进行了多少个Iteration，而抛弃了Epoch。
他想到，Epoch暗示并强调了数据集是有限的，这不仅麻烦，还有潜在的“危害”。把Epoch去掉，让循环嵌套的层数少一层总是好的。
于是他在Reddit发起了讨论：Epoch是不是过时了，甚至还有危害？
Epoch多余吗？
有人对这个观点表示赞同：
挺有道理，当数据集大小有很大差距，Batch大小相同时，设置一样的Epoch数，岂不是大数据集参数更新的次数多，小数据集参数更新次数少了，这似乎不对劲。
Epoch最大的好处是确保每个样本被定期使用。当使用IID抽样时，你只要能想办法确保所有样本被同样频繁地使用就好了。
但调参侠觉得让每个样本被定期使用就是他怀疑的点，IID抽样已经确保分布相同了，再让他们同频率被使用就是一种误导。
反对者认为：
不能因为你觉得车没开在路的正中间就放开方向盘不管了，虽然大撒把不会改变你正好在路中间的概率，但它增加了方差。
调参侠最后总结道，这个争议有点像统计学里的“频率派VS贝叶斯派”，即认为数据集到底应该是确定的还是不确定的。
该怎么比较模型？
调参侠还注意到，有人用Batch Loss做损失曲线。他认为这比Epoch Loss更有参考价值。
反对者觉得，你这个方式是挺好的，但Epoch依然有用。
因为即使在相同的硬件上，不同模型的算法效率不同也会带来巨大差异。
像各种Transformer和CNN这种底层代码实现都差不多，但是别的模型就可能有很不一样。比如我们自己的CUDA LSTM实现，至少和CudnnLSTM一样快，比原版TensorFlow实现快4倍左右。
最后，有个网友以CV模型为例对这个话题做出精彩总结，列了4种损失可视化方式，并介绍了什么情况该用哪个。
Loss/Epoch告诉你一个模型要观察同一个图像多少次才能理解它。
Loss/Iteration告诉你需要多少次参数更新。当比较优化器时这很有用，可以帮助你加快训练速度或达到更高的精度。
Loss/Total Image Seen告诉你算法看到了多少图像时的损失。适合比较两种算法使用数据的效率。
如果你的算法在50万张时达到70%、100万张时达到75%，这可能比50万张时达到50%，100万张时达到80%的还要好。
另外，它还消除了Batch Size的影响。这允许在不同GPU上训练的具有不同Batch Size的模型之间进行公平的比较。
Loss/Time也很重要，因为如果一个新模型减少了100个Epoch，但每个Iteration都慢100倍，我就不会选择这个模型。
虽然Loss/Time关系到硬件的具体表现，不够精准，我不会把这个写到论文里。但在自己的机器上这是很好的评估模型的参数。
使用数据增强时呢？
有网友提出，数据增强(Data Augmentation)时Epoch也有点多余。因为数据集太小，人为给每个样本添加很多只有微小差距的版本，没必要让他们被同频率使用。
反对者认为，数据增强作为正则化的一种形式减少了过拟合，但你引入的实际信息在训练模型时仍然局限于原始数据集。如果你的原始数据集足够小，Epoch表示你向模型展示了整个训练集，仍然是有意义的。
有人问道：
你是想表达“纪元(Epoch)”的纪元结束了吗？
调参侠：
对，现在是“时代(Era)”的时代。
△无尽随机增强的首字母缩写ERA意为“时代”
