在机器学习中，一个 epoch 是指对整个训练数据集进行一次完整的训练。在训练神经网络时，一次完整的训练周期会经过所有的训练样本，然后根据模型的权重进行参数更新。
训练数据集通常被分成小批次（minibatches）进行处理，每个小批次包含一组训练样本。在一个 epoch 中，模型会逐批次地处理训练数据，计算损失并更新模型参数。经过所有的小批次处理后，一个 epoch 完成。
epoch 的数量是一个超参数，需要根据实际情况进行调整。训练过少的 epoch 可能导致模型没有足够的迭代次数来学到数据的模式，而训练过多的 epoch 可能导致过拟合（在训练数据上表现很好，但在未见过的数据上表现较差）