Python ptb_word_lm（tensorflow的LSTM模型）中批次大小的含义

我是tensorflow的新手，现在对批量大小的含义有点困惑。众所周知，

batch\u size

的含义是每个批次的样本数量，但根据

ptb\u word\u lm

中的代码，似乎不是：

reader.py：

data_len = tf.size(raw_data) #the number of words in dataset
batch_len = data_len // batch_size 

batch_len是什么意思？批次的数量

ptb_word_lm.py：

self.epoch_size = ((len(data) // batch_size) - 1) // num_steps

epoch\u size

是什么意思？每批中的序列数

---

但是如果批次大小意味着批次的数量，那么一切都是有意义的。我误解了什么吗？

这里有几个不同的概念：LSTM的历元、步骤、批处理和展开步骤

在最高级别上，您可以训练具有多个时代的网络。在每一个历元中，您将逐步地遍历并使用所有的训练数据（通常是以随机顺序）；在每个步骤中，您都要训练一批样本

---

我认为LSTM在这里增加的混淆是：每一步，您将训练一系列批次，而不是单个批次。序列的长度是展开步骤的数量（num_steps）。

谢谢，这是有意义的，这也是原始数据应重新调整为[batch_size，batch_len]的原因。因此，澄清一下：“batch”是输入到LSTM的向量，而num_steps是我们在训练时输入到LSTM的序列中的批次数量？那么，如果我在学习一个时间序列，它由每个时间步的X，Y，Z值组成，那么一个批次就是一个时间步的X，Y，Z值？