原文：https://blog.csdn.net/qq_18668137/article/details/80883350
此处谨作学习记录之用。
深度学习的优化算法，说白了就是梯度下降。每次的参数更新有两种方式。
第一种，遍历全部数据集算一次损失函数，然后计算函数对各个参数的梯度，更新梯度。这种方式每更新一次参数都要把数据集里的所有样本看一篇，计算量开销大，计算速度慢，不支持在线学习，这称为Batch gradient desecnt, 批梯度下降。
另一种，每看一个数据就算一次损失函数，然后求梯度更新参数，这个称为随机梯度下降，stochastic gradient descent。这个方法速度比较快，但是收敛性能不太好，可能在最优点附近晃来晃去，hit不到最优点。两次参数的更新也有可能互相抵消掉，造成目标函数震荡比较剧烈。
为了克服两种方法的缺点，现在一般采用的是一种折中手段, mini-batch gradient decent, 小批的梯度下降，这种方法把数据分为若干批，按批来更新参数。这样，一个批中的一组数据共同决定了本次梯度的方向，下降起来就不容易跑偏，减少了随机性。另一方面因为批的样本数与整个数据集相比少了很多，计算量也不是很大。
现在用的优化器SGD是stochastic gradient descent 的缩写，但不代表是一个样本就更新一回，还是基于mini-batch的。
那batch, epoch, iteration代表什么呢？
- batchsize：批大小。在深度学习中，一般采用SGD训练，即每次训练在训练集中取batchsize个样本训练；
- iteration：迭代。1个迭代等于使用batchsize个样本训练一次；
- epoch：1个epoch等于使用训练集中的全部样本训练一次，通俗的讲epoch的值就是整个数据集被轮回了几次。
batchsize最大是样本总数N，此时就是Full batch learning；最小是1，即每次只训练一个样本，这就是在线学习（online Learning）。当我们分批学习时，每次使用过全部训练数据完成一次Forward运算以及一次BP运算，完成了一次epoch。