深度学习的一些名词

1.batch_size与epoch

batch_size 表示每次处理的样本的数目，loss=loss(x1)+loss(x2)+…loss(x_batch_size)=f(w1)+f(w2)+…f(w_n)
f(w)表示从众多loss中提取的w_m的分量之和，其实不这么写也没关系，不过是求偏导的时候变成求众loss对某w的偏导之和

epoch_num: 表示要训练几轮，每一轮所有的样本都会参加，分数次进行，每一次选batch_size个样本来训练模型并进行一次模型的权重更新

2.图像输入与卷积层各维度对应的意义

图像

卷积核：（n,d,w,h），可以认为是n表示多少个（输出）通道，d表示每个通道的深度，w与h表示长宽
图像：（n,c,w,h），n表示批量数，c表示每个批量的深度（灰度图为1.rgb图为3），w与h表示长宽