Machine learning 如何以ML为单位修改模型权重？

我一直在读这个有趣的链接

我对下面的陈述有疑问

此优化算法的工作方式是每次向模型显示一个训练实例。模型对一个训练实例进行预测，计算误差并更新模型，以减少下一次预测的误差。此过程重复一定次数的迭代

问题: 我下面的伪代码正确吗

for each training input:
    1) Input to Model
    2) Find the prediction
    3) Find the error
    4) Update Model.

我不明白的是“这个过程是在固定次数的迭代中重复的”。这是否意味着重复步骤4）和步骤3），直到误差最小化

如果我错了，请纠正我？

“此过程在固定次数的迭代中重复。”意味着您选择发送给您的网络以对其进行训练的历代数或批次数

当你训练你的网络时，你有一个训练数据集。您可以为网络（带有占位符）提供与这些输入关联的IAG和标签（通常，您可以分批提供样本（输入+标签））

它对每个输入进行预测并计算误差（您使用的损失函数）。然后它调整权重（和偏差）以最小化损失函数（它执行所谓的梯度下降）

您应该在此处查看梯度下降：

通过固定整个训练集发送到网络的时间（称为历元）或批数，您可以决定您希望网络训练多长时间

希望能有帮助