如果你不清楚epoch,iteration和batch_size，一定要看这篇

很多人对这些有自己的理解，这就导致了百花齐放，成功把人绕晕。
比如说
1.batch_size
因为更新参数是按批次更新的，batch_size就是一个批次batch内的数量。
2.iteration
完成一次batch的训练
3.epoch
使用训练集中的全部数据进行一次完整的训练

？？？？？？？？？？？？？？？？？？

对照真正的代码，会很崩溃
比如说epoch要不要设置，设置多少为好
iteration也是一样，那到底要怎么才能看懂，这些的关系又是什么。

下面举个栗子：
1）定义训练集样本的总数是7000，batch_size=128,epoch=10

上面的话可以这样理解，训练集需要的batch数量为
7000/128=55,也就是把整个数据分为55份，每份128个。

那这个份数有啥用。因为神经网络每次处理的数据量是有限的，一次性跑7000个数据或许不太困难，但是一次性7W个，70W个估计电脑会瘫，计算量和开销实在太大，内存也吃不住，因此需要徐徐图之。

把一坨数据（7000）分成N份（55）就是一个有效的策略。

上面提到，一个epoch就要用全部数据进行训练，全部数据当然不是一次性的输入，而是分成55次，也就是每次epoch跑55个batch的数据量，不正好是7000个吗。就这样连续经历10次epoch。每个epoch里的iteration数量=batch=55。

2）或者这样，定义7000个数据，batch_size=128，iteration=550，问epoch次数

batch=7000/128=55没错吧
每个epoch跑55个batch量的数据没错吧
每个epoch需要经历55次iteration没错吧
那epoch数=550/55=10没毛病吧

总结iteration和epoch只要设置一项就可以计算出另外一个，但是数据总量和batch_size一定要设置

最后，关于epoch和iteration具体设置的值
一般的，epoch的数量要>1,但是具体的设置还要看样本总量，并不是说epoch越大越好，只有通过具体的实验证明才能得到合适的数值（实验出真知）。