深度学习中epoch，batch的概念--笔记

batch、epoch和iteration是深度学习中几个常见的超参数。

(1) batch_ size: 每批数据量的大小。DL通常用SGD的优化算法进行训练，也就是一次(1 个iteration) 一起训练batchsize个样本,计算它们的平均损失函数值，来更新参数。
(2) iteration: 1 个iteration即迭代一次,也就是用batchsize个样本训练一次。
(3) epoch: 1个epoch指用训练集中的全部样本训练一次。

比如，有100个训练数据，batch_size为20，也就是每次（一个iteration）拿20个数据做训练，训练五个iteration就是一个epoch。

最初训练DNN采用一次对全体训练集中的样本进行训练(即使用1个epoch)，并计算一次损失函数值，来更新一次权值。当时数据集较
小，该方法尚可。后来随着数据集迅速增大，导致这种方法一次开销大进而占用内存过大，速度过慢。
后来产生了一次只训练一个样本的方法(batchsize=1) ,称作在线学习。该方法根据每一个样本的情况更新一次权值，开销小速度快，但收
到单个样本的巨大随机性，全局来看优化性能较差，收敛速度很慢， 产生局部震荡，有限迭代次数内很可能无法收敛。
目前常用随机梯度下降SGD来训练，相当于上述两个“极端”方法的折中:将训练集分成多个mini batch (即常说的batch) ,一次迭代训练一个minibatch ( 即batchsize个样本)，根 据该batch数据的loss更新权值。这相比于全数据集训练，相当于是在寻找最优时人为增加了一些随机噪声，来修正由局部数据得到的梯度，尽量避免因batchsize过大陷入局部最优。
这种方法存在两对矛盾。由于一次只分析的一小部分数据，因此整体优化效果与batchsize有关:
batchsize越小，一个batch中的随机性越大，越不易收敛。然而batchsize越小， 速度越快，权值更新越频繁;且具有随机性，对于非凸损失函数来讲，更便于寻找全局最优。从这个角度看，收敛更快，更容易达到全局最优。
batchsize越大，越能够表征全体数据的特征，其确定的梯度下降方向越准确，(因此收敛越快)， 且迭代次数少，总体速度更快。然而大的batchsize相对来讲缺乏随机性，容易使梯度始终向单一方向下降， 陷入局部最优; 而且当batchsize增大到一定程度，再增大batchsize， 一次batch产 生的权
值更新(即梯度下降方向)基本不变。因此理论上存在一个最合适的batchsize值，使得训练能够收敛最快或者收敛效果最好(全局最优点)。