深度学习的优化算法：梯度下降--

-批处理下降：每次对所有数据集进行操作，遍历一遍后算损失函数然后算函数对各个参数的梯度，

更新梯度，Batch Gradient Descent 开销大、不支持在线学习

-随机梯度下降：对每一个训练集数据算一下损失函数，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，因为参数的更新可能抵消掉，只是在最优点晃动。

-两者折中，有了Mini-batch gradient decent，小批的梯度下降，这种方法把数据分为若干个批，按批来更新参数，这样，每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小了很多，计算量也折中。

 

SGD是随机梯度下降的缩写，但在运行中不是基于每个数据的，而是基于mini-batch的。

图中的：

（1）batch_size：批大小。在深度学习中采用SGD训练，即每次训练在训练集中取batch_size个样本训练，loss也是一组batch_size的样例加权得出的；

（2）iteration：1个iteration等于使用batch_size大小个样本训练一次，例如MNIST数据集训练样例有6W个，iteration为60000/128取上界为467个iteration；

（3）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Forword运算以及一次BP运算，成为完成了一次epoch。