这取决于梯度下降的类型或您的批量大小：一个时期意味着您的神经网络 (NN) 已对您的训练数据的所有示例应用前向传递，即它已“看到”所有训练数据。现在这样做你至少有两个选择（让$n$是训练数据中的样本数）：

1. 您可以在示例的每次前向传递之后运行反向传播并相应地更新您的权重。这通常实现为随机梯度下降 (SGD)，批量大小为 1，意味着您运行反向传播$n$每个时代的次数。

2. 或者，您可以首先对所有训练数据运行前向传递，然后运行反向传播并相应地更新您的权重。这称为批量梯度下降，批量大小为$n$并且意味着您每个时期运行一次反向传播。

通常应用这两者的混合，以便$1 < \text{batch size} < n$，称为小批量梯度下降。按照上面的解释，这意味着你将运行反向传播$\frac{n}{\text{batch size}}$每个时代的次数。

这篇博文也提供了很好的解释。