DataScience- 需要每一輪(epoch)都餵入整個資料集嗎？

譬如資料集超大，上千萬筆資料，跑一輪(epoch)需要好幾天或更久，如果讓每一輪沒跑
過整個資料集，這樣子訓練的效果是不是會比較差？

主因目前都是在 colab 訓練，一輪的時間太久就會被突然中斷導致前面花費的時間都
白費了，雖然是可以改成依照餵入資料的次數來儲存訓練結果，但看線上說明是說這樣
訓練的話，若次數沒對齊一輪需要經過的次數的話，會導致評估分數變得不準確

我試驗過照次數儲存的評估結果，刻意中斷後重新訓練，跑出來的評估結果在
Tensorboard 中必須選取 relative 才能讓評估結果看起來是連續的，如果選擇 steps
評估結果就會跳到最左邊顯示

所以想要瞭解資料集很大的情況下，每一輪有必要把整個資料集跑過一遍嗎？

--
「看在上帝的份上，我們不能當著孩子的面槍殺他的父親！」
「那我們就連孩子一起幹掉！」
「第一槍打中的是那個天真的孩子，第二槍是抱著孩子的母親。第三槍
停頓了三秒，當難以致信的父親擦拭著臉上愛子的腦漿從震驚中醒轉
過來，慢慢的轉頭看向停車的地方，分辨出是誰在攻擊他後，第三顆
子彈才將他的腦殼打飛。」 ─摘自〈狼群〉

--