我的生成器总是从我的数据集中随机生成两个图像，然后我使用这两个样本计算损失。假设我设置了steps_per_epoch=40和epochs=5，如果我设置steps_per_epoch=5和epochs=40(我使用Adam作为优化器(有什么区别？
epochs参数(也称为迭代(指的是整个训练数据的完整通过次数。steps_per_epoch参数指的是在一个历元期间生成的批数。因此我们有steps_per_epoch = n_samples / batch_size。
例如，如果我们有1000个训练样本，并且我们将批量大小设置为10，那么我们就有了steps_per_epoch = 1000 / 10 = 100。无论批次大小或steps_per_epoch的值如何，都可以设置epochs。
没有适用于所有场景的批量大小的确定值。通常，非常大的批量大小会减慢训练过程(即，模型收敛到解决方案需要更多时间(，而非常小的批量大小可能无法很好地利用可用资源(即GPU和CPU(。通常的值包括32、64、128、256、512(2的幂有助于更快的GPU内存分配(。此外，这里有一个关于SO的答案，涉及这个问题，包括引用相关书籍和论文。或者在Cross Validated上查看这个问题及其答案，以获得更完整的批量大小定义。