一些专业术语的理解

1 batch、Iterator、epoch

batchsize： 批大小。每次训练取的数据量

iterator：迭代次数。训练完全部数据所运行的batch个数，1个iteraror相当于用一个batch训练一次

epoch：训练集中所有的数据都训练了，叫做一个epoch。一般epoch个数不为1。

eg：trainsets_size = 10000， batchsize = 1000 ，那么，用过全部的trainsets训练模型，需要1个epoch，10次iterator。

        如果eopch = 17，训练完第一个epoch之后，计算了损失，会继续开始第二个epoch的训练。

2 “端到端”思想

        与“端到端”相对的一种方法是“分治法”。过去解决一个人工智能问题（以图像识别为例）往往通过分治法将其分解为预处理、特征提取与选择、分类器设计等步骤。

        分治法通过将母问题分解成若干个小的简单可控的子问题，尽管在子问题上可以得到最优解，但子问题的最优解并不意味着就能得到全局的最优解。

        端到端：在整个学习流程中并不进行人为的子问题划分，而是完全交给深度学习模型直接学得从原始输入到期望输出的映射。

        相比分治策略，“端到端”的学习方式具有协同增效的优势，有更大可能获得全局最优解。