本文为原创文章，转载请注明出处。
在讲述这BGD、SGD和MBGD几个算法之前，需要先说明一下梯度下降算法中的几个概念：
①epoch：
训练回合，也即完整的前向传播与反向传播的组合，两个过程相继走完。
epoch的次数 = 训练集个数 / batch_size
②iterations：
一次epoch过程中需要完成batch_size个数据样本的前向传播。
③batch_size：
训练集大小N小于2000个，则利用BGD算法更好；
训练集规模很大，则用MBGD算法更好，batch_size的取值通常为64,128,256,512，这与CPU/GPU的数据存储位数有关系。
1.批量梯度下降法（Batch Gradient Descent，BGD）
批量梯度下降，是每个epoch过程中把所有样本数据集都迭代了一遍，
整体表示数据集中m个数据样本的loss求均值，m表示训练集的样本容量，i表示当前样本
一般情况下，输入一个样本输出只会有一个，所有没有再次求累积的情况，但是如果要求中间隐藏层的损失函数则必然有累积，因为隐藏层有很多个。
如果把一个数据集中的所有样本都进行一次epoch，则BGD算法更新一次权重的公式：
上式，权重j在当前第i轮epoch更新中的值 = (第i-1轮epoch的权重j值) -
(学习率) × (第i-1轮更新的权重在输入的m个样本数据的Loss于权重j的梯度)。
其中，j表示第j个权重，i表示第i个epoch，n表示n个权重，m表示m个样本的数据集，k表示m个样本中的第k个样本
BGD算法的收敛图：
2. 随机梯度下降（Stochastic Gradient Descent, SGD）
随机梯度下降每次的权重更新只利用数据集中的一个样本来完成，也即一个epoch过程只有一次迭代和一个更新数据。
则Loss Function函数公式：
则利用Loss函数来更新权重参数的公式：
随机梯度下降算法在online场景下用的比较多
但是，SGD算法由于每次epoch过程只用一个数据样本，很容易受到单个数据的影响，如果单个样本是离群点或噪声，SGD算法也依然会得到更新，这使得SGD算法的每次更新迭代有可能不朝全局最优解方向走，也可能导致不收敛。
SGD算法的收敛图：
3.小批量梯度下降法（Mini-batch Gradient Descent，MBGD）
小批量梯度下降法在BGD算法和SGD算法之间找了一个trade-off，即加快更新速度，并减少噪声的影响，从而减少训练时间和提高准确率。
特点：每次不选择所有的样本也不只选择一个样本，而是选择l（L的小写）个样本，也即bach_size。
则Loss Function函数公式：
则利用Loss函数来更新权重参数的公式：
