epoch，是指在训练过程中，完整的数据集通过神经网络一次就是一个epoch。一个epoch，权重更新一次，因此仅仅使用一个epoch是不够的，那么epoch设成多少是合适的呢？这个其实没有定论，对于不同的数据，答案是不一样的。

batch-size，是指每次训练在训练集中取的样本数量，它影响到模型的优化程度和速度。硬件性能越好，batch-size可以设的越高，最常见的错误就是CUDA: out of memory，前提是使用gpu训练。

iteration，指训练需要的总迭代次数，等于数据集总数除以batch-size的值

最后举个例子：

比如说有 20000 个数据，计划进行 30 轮训练，那么 epoch = 30，一次训练使用100个数据，那么 batch-size = 100，训练一轮总共要迭代 200 次(即 20000 / 100 = 200)，总的iteration = 200 * 30 = 6000次。