batch_size
模型训练过程：
模型初始化 --> 数据样本输入模型 --> 模型输出 --> 模型调整
epoches: 总体样本训练的循环次数
batch_size: 是在一个epoch下分批次进行训练，每次训练的样本量大小（每进行batch_size样本输入输出后，进行模型参数修正）
BP神经网络为例：
假设 样本数量500，输入维度是10,输出维度是2 ；
epoches = 100 训练100次 ；
batch_size = 1
for i in epoches:
for 1 in 500: //进行500次模型调整
1个样本输入，进行模型调整（2维输出，均方误差和进行梯度下降）
batch_size = 5
for i in epoches:
for 5 in 500: //进行100次模型调整
5个样本输入，进行模型调整（5*2维输出，均方误差和进行梯度下降）
结论
- batch_size越小，模型调整越频繁，但震荡严重，难以收敛，耗时较长
- batch_size越大，模型调整较少，收敛较快，但容易造成局部收敛，且内存一次性消耗较大
- 合适的batch_size，可以有效提高模型精度、全局收敛。
