1.Epoch

将所有训练样本训练一次的过程，即所有训练样本在神经网络中都进行一次正向传播和一次反向传播

当一个Epoch的样本数量过大时，将其分成多个小块Batch进行训练

为什么使用多个epoch：

①在神经网络中，完整的数据集需要传递多次，传递一次不够；

②使用的是有限的数据集，使用迭代过程即梯度下降来优化学习过程

随着epoch数量增加，神经网络中权重的更新次数也在增加，曲线从欠拟合变得过拟合

需要针对不同的数据集，选择合适的epoch数量

2.Batch

将整个训练样本分成多个batch，表示所有样本中的一批样本

batch_size：batch的大小，即每批样本的样本数量大小

3.Iteration

训练一个Batch就是一次Iteration，表示一次迭代

完成一个Batch，模型权重更新一次