Question

神经网络中学习率、批处理样本数量、迭代次数有什么意义和影响？

Answer 1

学习率是指每次训练过程中（迭代）变量改变（更新）的比率，例如x(t+1) = x(t) - a * delta
其中a可以看出学习率，一般在0 - 1之间，相当于步长，而delta相当于方向。
批处理样本数量，标准的BP是单样本学习的方法，例如图片识别，第一个图是猫，然后输入图像，网络学习一次（变量更新一次），学习到图片的特征，然后再输入第二个图片狗，在前面的基础上再学习。 而批训练，就是说两个图片一起输入后，计算两个样本学习的平均的误差（Loss）, 从整体上来学习整个训练样本集合，这样的学习对于大样本数据更加有效率。
迭代次数就是学习的次数了，每次迭代就是向最优点前进的一小步，神经网络要学习到样本的特征，那就要一步一步地走，走了很多步才能到达符合精度地地点，所以需要学习很多次。

Answer 2

迭代就是多次进行的意思。比如说物体的均分，1变2，再迭代一次就是2变4
类推，迭代会增加细化程度和运算量，小的地方感觉不大，对面的细分时迭代次数与表现效果和运行速度变化感觉就很大了
EXCEL里进行的是数值运算（即近似计算），一般都是采用构造一个收敛的迭代格式来求得结果的。“迭代”是数值计算常用的方法，例如解方程f(x)=0，牛顿切线法是这样构造迭代格式的：X(n)=X(n-1)-f[X(n-1)]/f'[X(n-1)]（n=1,2,3,……），在所考虑范围内任意取一个值X(1),用上面迭代公式就可以求得X(2)，X(3)，……，从理论上讲，当n→∞时，得到的就是方程的根，但实际上我们总不能将迭代次数进行到无穷大，需要在某一时刻停止迭代，通常有两种方式来控制迭代次数：
1、选择迭代次数n，当迭代次数达到n时，停止迭代；
2、选择精度ε，当|X(n)-X(n-1)|<ε时，停止迭代。
EXCEL里默认的迭代次数是n=100，精度ε=0.001，在工具——选项里可以自己设置，使求得的结果近似程度更好些。