神经网络的训练中我们常常能遇到Epoch和Iteration这两个不同的词。

两个词都表示“轮次”的意思，显然这两个“轮次”的含义并不相同。

在解释这两个词的不同之前，我们先引入三种梯度下降策略：
1.Batch Grandient Descent（BGD，批梯度下降）
2.Stochastic Gradient Descent(SGD，随机梯度下降)
3.Mini-Batch Gradient Descent(MBGD，小批量梯度下降)

BGD：每次迭代的时候用所有的样本来参与参数的更新。这种方法需要同时把所有的样本都加载进内存进行计算，这样无疑会导致内存的负载过大。

SGD:每次迭代使用一个样本来对参数进行更新。这种方法虽然速度快，但单个样本的损失往往不能代表总体样本的损失情况，而且单个样本的损失往往容易受到噪声的影响，所以这种方法往往难以收敛。

MBGD:是对上面两种策略的折中，相当于每次迭代使用 batch_size 个样本来对参数进行更新。若是batch_size选择合适，则每次迭代的损失既能表征总体的损失的情况，也能降低内存的负载压力，提升内存的利用率，也提升网络训练的速度。

BatchSize:一次训练所选取的样本数。

下面来比较Iteration 和Epoch的不同：

Iteration:使用一个batch_size数量的样本训练一次。一个Iteration，参数更新一次。

Epoch：所有的样本都训练一次，即（total / batch_size）个Iteration的训练。一个Epoch，参数更新了（total / batch_size）次