Tensorflow Nvidia数字批量大小和数据洗牌是如何工作的？

我正在尝试训练一个神经网络来检测使用Tensorflow和Nvidia数字的隐写图像。我加载了一个数据集，它有两个子目录——封面图片和Steg图片。我认为网络必须一起处理封面/隐写图像对，以了解哪些是封面，哪些是隐写图像。我说得对吗

批量大小是如何工作的？如果我给1，它会从两个子目录中获取一个图像并处理它们吗？或者我必须为此输入批号为2吗

如何在每个历元上洗牌数据？它是否将两个子目录平均地洗牌？例如，1.jpg是两个文件夹中的第三张照片，还是两个文件夹中的照片都不一样

我认为网络必须处理封面/隐写图像对 一起学习哪些是封面，哪些是隐写术 图像。我说得对吗

我不熟悉Nvidia数字中的目标检测（对吗？），所以请查看他们的数字以了解更多信息。 您需要首先考虑如何标记训练数据。通常在我看到的示例中，仅使用一个培训文件夹和一个验证文件夹（每个文件夹：图像和标签）-数字将数据集划分为90%的培训图像和10%的验证图像

批量大小是如何工作的？如果我给1，它会从两个图像中取一个吗 子目录和处理它们？或者我必须输入批号吗 那要2英镑

使用批次号，您可以告诉数字每次迭代使用多少图像。它用于数据集划分（用于计算的内存有限；不能将整个数据集放入一次迭代）。在一个历元中，处理整个数据集。 如上所述，据我所知，一次一张图片

如何在每个历元上洗牌数据？它会洗牌两个子吗 目录是否平等？例如，1.jpg将是 两个文件夹，还是两个文件夹上的内容都不同

数据应该被洗牌