1、batchsize：批大小,每次训练在训练集中取batchsize个样本训练；
2、iteration：1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；
举个例子，训练集有1000个样本，batchsize=10，那么：
训练完整个样本集需要： 100次iteration，1次epoch。
batchsize： https://www.zhihu.com/question/32673260
batch： 批，深度学习每一次参数的更新所需要损失函数并不是由一个{data：label}获得的，而是由一组数据加权得到的，这一组数据的数量就是 batch size。
epoch：当一个完整的数据集通过神经网络一次并且返回了一次，这个过程称为一个 epoch。
iteration： 是batch 需要完成一个 epoch 的次数。记住：在一个 epoch 中，batch 数和迭代数iteration 是相等的。
batch size：一个 batch 中的样本总数。
比如对于一个有 2000 个训练样本的数据集。将 2000 个样本分成大小为 500 的 batch，那么完成一个 epoch 需要 4 个 iteration。