Tensorflow数据集-批量大小和每个历元的步数

我研究了一个图像分割问题，其中有一个tensorflow数据集格式的数据管道，并使用tensorflow迭代器。 现在我已经将训练图像的数量从以前的250张增加到500张。我有一个单独的图像增强管道。我的问题是

如果我使用相同的

批处理大小=16

，是否会因为图像数量的增加而产生影响？我已经设定了一个240步的时代。正如我从Tensorboard中每个历元的日志文件中看到的，网络在每个步骤中只输入16个图像，并且重复同一批，并且图像在单个历元运行期间不会改变？那么，这是否意味着它在240个步骤中只训练一批相同的16幅图像呢

我希望每个历元的所有样本数量都能输入到网络中（例如16*30）。每个历元的所有样本都应该以一定的批量输入到网络中？这怎么可能

---

我已经附上了用于训练的张力板图像。我有250个步骤，所以每一步图像都应该改变，但它没有改变？步骤编号很少改变，因此图像也很少改变。为什么？

如果没有看到您的代码，很难判断发生了什么。通常，如果将批量大小设置为16，步骤设置为240，则在单个历元中，将处理16 X 240=3840个图像。如果您有500张图像，那么您需要对完整的数据集进行7次检查，再加上340张图像。根据您构建输入管线的方式，情况可能并非如此。一般来说，每个历元大概需要检查一次训练数据，因此我将每个历元的步长设置为（500//16）+1=32。如果您想在每个历元中精确地遍历数据一次，您可以使用下面的代码来查找每个历元的批大小和步骤。下面的代码对于确定批大小和验证数据的步骤很有用，因为在这种情况下，最好每个历元只检查一次验证数据

length=500 # set this to the number of training images
b_max= 50 # maximum batch size you will allow based on memory capacity
batch_size=sorted([int(length/n) for n in range(1,length+1) if length % n ==0 and length/n<=b_max],reverse=True)[0]  
steps=int(length/batch_size)

length=500#将其设置为训练图像的数量
b_max=50#根据内存容量允许的最大批量大小
批次大小=已排序（[int（长度/n）表示范围（1，长度+1）中的n）如果长度%n==0，并且处理了长度/nif 3840图像，那么这对我来说没有问题。但是当我检查tensorboard时，每个历元只处理相同的16个图像集。我的意思是在所有240个步骤中处理相同的16个图像。我知道tensorflow.dataset的情况，但我想在每个历元的整个数据集上传递它通过所有图像。需要查看您的代码。整个管道非常庞大，可以发布到这里。因为tensorflow数据集没有透明度。我在训练期间看不到它。我在tensorboard中看到了图像训练，同一组16幅图像在tensorboard中的每一步在一个纪元内都不会改变。我已附上tenso的图像rboard培训数据仅在我可以可视化的地方