1. SGD相关
- one epoch：所有的训练样本完成一次Forword运算以及一次BP运算
- batch size：一次Forword运算以及BP运算中所需要的训练样本数目，其实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]。当然batch size 越大，所需的内存就越大，要量力而行
- iterations（迭代）：每一次迭代都是一次权重更新，每一次权重更新需要batch size个数据进行Forward运算得到损失函数，再BP算法更新参数。
- 最后可以得到一个公式:
one epoch = numbers of iterations = N = 总的训练样本的数量/batch size
epoch可以翻译成“期”。比如一共1000个样本，每个样本依次用来训练这个神经网络，当这1000个样本都被用过一遍之后，我们就说完成了一期训练。如果设置epoch=5，意思就是说把这个神经网络进行了五期训练。
一个epoch就是把整个训练集过一遍。
如果是用sgd的话（每次随机选取样本），每训练1000个随机样本就是一个epoch。
-
批量梯度下降法（Batch Gradient Descent，简称BGD）是梯度下降法最原始的形式，它的具体思路是在更新每一参数时都使用所有的样本来进行更新
从上面公式可以注意到，它得到的是一个全局最优解，但是每迭代一步，都要用到训练集所有的数据，如果样本数目mm很大，那么可想而知这种方法的迭代速度！所以，这就引入了另外一种方法，随机梯度下降。
优点：全局最优解；易于并行实现；
缺点：当样本数目很多时，训练过程会很慢。
从迭代的次数上来看，BGD迭代的次数相对较少。其迭代的收敛曲线示意图可以表示如下：
-
随机梯度下降法SGD
由于批量梯度下降法在更新每一个参数时，都需要所有的训练样本，所以训练过程会随着样本数量的加大而变得异常的缓慢。随机梯度下降法（Stochastic Gradient Descent，简称SGD）正是为了解决批量梯度下降法这一弊端而提出的。
随机梯度下降是通过每个样本来迭代更新一次，如果样本量很大的情况（例如几十万），那么可能只用其中几万条或者几千条的样本，就已经将theta迭代到最优解了，对比上面的批量梯度下降，迭代一次需要用到十几万训练样本，一次迭代不可能最优，如果迭代10次的话就需要遍历训练样本10次。但是，SGD伴随的一个问题是噪音较BGD要多，使得SGD并不是每次迭代都向着整体最优化方向。
优点：训练速度快；
缺点：准确度下降，并不是全局最优；不易于并行实现。
从迭代的次数上来看，SGD迭代的次数较多，在解空间的搜索过程看起来很盲目。其迭代的收敛曲线示意图可以表示如下：
-
小批量梯度下降法MBGD
MBGD在每次更新参数时使用b个样本（b一般为10），其具体的伪代码形式为：
有上述的两种梯度下降法可以看出，其各自均有优缺点，那么能不能在两种方法的性能之间取得一个折衷呢？即，算法的训练过程比较快，而且也要保证最终参数训练的准确率，而这正是小批量梯度下降法（Mini-batch Gradient Descent，简称MBGD）的初衷。
- 总结一下：
Batch gradient descent: Use all examples in each iteration；
Stochastic gradient descent: Use 1 example in each iteration；
Mini-batch gradient descent: Use b examples in each iteration.
2. RNN
3. 各种层的概念
拿大神经科学家 和 于 年提出猫的初级视皮层中单个神经元的“感受野”( )概念，紧接着于 年发现了猫的视觉中枢里存在感受野、双目视觉和 其他功能结构，标志着神经网络结构首次在大脑视觉系统中被发现。
https://www.youtube.com/watch?v=Ukgii7Yd_cU
