我是 Keras 的新手，需要您的帮助。
我正在 Keras 中训练一个神经网络，我的损失函数是平方差 b/w 网络的输出和目标值。
我想使用梯度下降来优化它。经过网上的一些链接，我了解到一般使用的梯度下降有 3 种类型：
- 单样本梯度下降：这里，每次迭代只从一个样本计算梯度——>梯度可能是有噪声的。
- 批量梯度下降：这里，梯度是从数据集中所有样本计算的梯度的平均值 --> 梯度更通用，但对于大型数据集来说难以处理。
- Mini-batch 梯度下降：类似于 Batch GD。不是使用整个数据集，而是只使用少数样本（由 batch_size 确定）来计算每次迭代中的梯度 --> 噪音不是很大，计算上也很容易处理 --> 两全其美。
问题：
- 我想在 Keras 中执行小批量梯度下降。我怎样才能做到这一点？我应该使用 SGD 优化器吗？
如果要使用SGD，如何设置batch_size？SGD 函数似乎没有设置 batch_size 的参数。
optimizer = keras.optimizers.SGD(lr=0.01, decay=0.1, momentum=0.1, nesterov=False)Keras 的 model.fit() 中有一个 batch_size 参数。
history = model.fit(x, y, nb_epoch=num_epochs, batch_size=20, verbose=0, validation_split=0.1)这与小批量梯度下降中的批量大小相同吗？如果不是，那么对一批输入进行训练究竟意味着什么？这是否意味着'batch_size'没有。线程并行运行并并行更新模型权重？
如果有帮助，这是我到目前为止编写的 python 代码片段。