这篇文章当一个学习笔记吧，记录一些学习过程中遇到的一些概念，重要性部分前后顺序。

1.batch和epoch

这两个概念的产生背景为，你把全部的样本都代入神经网络训练，计算量太大，因此一次可以只选取一部分数据参与训练。
batch:每次参与训练的一批数据，大小就是batchsize
epoch:所有样本参与一次训练就是一个epoch
iteration:使用一个batch参与一次训练就是一个iteration
例：500个样本，每次选50个数据参与训练，50就是batchsize，所有样本训练完一次iteration是10，epoch是1。

2.训练集、验证集和测试集

关于训练集和测试集没啥好说的，训练集就是训练权重的，测试集就是检验模型的效果的。
验证集，验证集是为了调整模型的超参数的，超参数是啥，想象一下，学习率，模型的结构这些都是超参数。

3.SAME和valid

same和valid是卷积神经网络中的填充方案，但是填充的逻辑不一样。
valid是直接丢弃，即不够卷积计算的部分，不要了。
same是填充，左奇右偶的方式。
显然一般用same这种方式就可以了。