今天在看keras的文档的时候看到行代码：
model.fit(x_train, y_train, epochs=5, batch_size=32)
epochs和batch_size， 忽然有点迷糊，知道是两个很重要的hyper parameter, 具体指什么想不起来了，赶紧查了下，以备后用。
依然是几个重要的名词：
Batch size，Epoch
这两个参数是SGD中的超参，假定有一个training dataset, size = 10000
Epoch：
当整个training dataset 都向前通过（forward：Calculate）一次网络，然后再向后（backward： Back propagation）通过一次网络, 这叫一个Epoch。
一般training中会有不止一个Epoch，就是说training dataset会多次的通过网络，这是因为training dataset里样本数量有限，如果只有一个Epoch，也许并不能获取到满意的W（Weight），所以多次，但Epoch的值是不确定的，跟training dataset有关系。
Batch:
因为整个training dataset的数据量过大，如果一次让这么大的数据量通过网络然后才进行一次Weight的update，那太慢了。所以一般会把整个training dataset分成若干的batch： batch_size x iteration = training dataset.
所以batch的定义就是：一批用于training的样本，在这批样本通过网络以后Weight会进行一次更新。