我在理解批次概念和批次大小方面存在一些问题。我把事情搞砸了。首先我开始考虑基于卷积神经网络我听到了两个版本：
这两种解释对我来说似乎都是错误的，所以我假设我完全不明白这一点。RNN 中的批/批大小是多少？你能举个例子吗？
我可以告诉你我将如何教授循环神经网络。假设我想教一个神经网络预测第二天的天气：
这个 365 度测量概念是批量大小吗？
您混淆了两个概念，批量大小和窗口大小。
批量大小
批次的概念与您的数据有关，而不是与神经元的数量有关。批次只是训练数据的一个子集。批次的大小会影响计算速度、质量和准确性。大批量将比小批量训练得更快，但模型的准确性可能会受到影响。
有一条经验法则，批量大小应该是 2 的幂（例如 32、64、128 等）。
一般来说，较大的批量大小不能像较小的批量大小那样泛化。您将需要尝试批量大小以实现最佳性能。批量大小被认为是一个超参数。
下面的视频，神经网络中的批量大小解释应该有助于澄清事情。
窗口大小
使用循环样式网络时，窗口大小适用于时间序列和序列。对于您的情况，365 是窗口大小。你没有提到你试图预测的未来有多远。如果我们假设您预测未来的某一天，您的输出将是第 366 次测量。
你的申请
对您来说，一批将是一些训练集。例如，如果我们使用 32 作为批量大小，您将有 32 组输入窗口和输出。前两个批次可能如下所示：
Batch 1, size 32
1 Data from days 1 to 365 as the input, day 366 as the output
2 Data from days 2 to 366 as the input, day 367 as the output
...
32 Data from days 32 to 396 as the input, day 397 as the output
Batch 2, size 32
1 Data from days 33 to 397 as the input, day 398 as the output
2 Data from days 34 to 398 as the input, day 399 as the output
...