梯度下降的两种参数更新方式
1.Batch gradient descent 批梯度下降 遍历全部数据集算一次损失函数，然后算函数对各个参数的梯度，更新梯度。这种方法每更新一次参数就要把数据集里面的所有样本都看一遍，计算量开销大，计算速度慢。
2.Stochastic gradient descent 随机梯度下降 每看一个数据就算一下损失函数，然后求梯度更新参数。速度快，但是收敛性不太好，可能在最优点晃来晃去，不能hit最优点。两次参数的更新也有可能互相抵消掉，造成目标函数振荡剧烈。
为了克服缺点，现在一般采用的是折中手段，mini-batch gradient descent 小批梯度下降，这种方法把数据分为若干批batch，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小了很多，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更新一回，还是基于mini-batch的。】
term：
1.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个训练样本
2.iteration：一个iteration等于使用batchsize个样本训练一次
3.epoch：1个epoch等于使用训练集中的全部样本训练一次，即epoch的值就是整个数据集被轮几次。【i.e. 训练集有500样本，batchsize=10，那么训练完整个样本集，iteration=50，epoch=1】
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。