An epoch is one complete pass of training data through a machine learning model. Like studying for an exam, multiple epochs improve performance by reducing loss, but too many cause overfitting. The ideal number depends on model complexity, dataset size, and learning rate.
एपॉक क्या होता है। मशीन में चलिए समझते हैं। एपॉक का मतलब है जब 1 बार मॉडल को पूरा डेटा दिया जाता है और मॉडल उसको 1 बार में प्रोसेस कर लेता है। वो वन एपॉक कहलाता है। मान लो तुम्हारे पास थाउजंड इमेजेज हैं। वो थाउजनेंटइमेजिस का डेटा आप 1 मॉडल को देते है और मॉडल उसको 1 बार में प्रोसेस कर लेता है। उसको कहते हैं वन एपॉक वैसे ही जैसे आप एग्जाम के लिए पढते हैं। वन एपॉक बट। उसके बाद रिविजन करते हैं। 5 बार तो 5 और एपॉक हो गए मतलब जितनी ज्यादा एपॉक की वैल्यू जितनी ज्यादा रिविजन उतनी बेटर। अंडरस्टैंडिंग मैकडनसीस तो मॉडल का सिम्पल सा काम होता है। लॉस को रिड्यूस कर लॉस डिपेंड करता है। पूरे के पूरे डेटा पर 1 अपॉक में क्या होता है, 1 पाक में प्रेडिक्शन होती है। लॉस कैलकुलेट होता है, ग्रेडिएंट डीशन कैलकुलेट होता है, वेट अपडेट होता है। मतलब पूरा मॉडल बार बार बार बार सीखता है और बहुत जरूरी होता है क्यूंकि जब हम पहली बार मॉडल को डेटा देते हैं तो वो रैंडम तरीके से देखता है, दूसरी बार जब देते हैं तो थोड़ा सोचने लगता है और पैन को समझने लग जाता है। और जितनी बार वो डेटा को देखता जाता है ज्यादा बार उसकी अंडरस्टैंडिंग बेटर होती जाती है। और इसका मतलब यह नहीं है पाक की हाइएस्ट वैल्यू रख देनी चाहिए। नहीं जब मॉडल ज्यादा सीख लेता है उसी को हम ओवर फिटिंग कहते हैं तो वो भी आपको अवॉइड करनी होती है। एपॉक के कोई आइडियल वैल्यू नहीं होती। डिपेंड करता है मॉडल की कॉम्पलेक्सिटी पर, डेटा के साइज पर और मॉडल के लर्निंग रेट पर।
