根据训练epoch数算出所需要的Iter数

epoch指的是次数，epoch = 10 指的是把整个数据集丢进神经网络训练10次。

batch size 指的是数据的个数，batch size = 10 指的是每次扔进神经网络训练的数据是10个。

iteration同样指的是次数，iteration = 10 指的是把整个数据集分成10次扔进神经网络。

3. 示例

CIFAR10 数据集有 50000 张训练图片，10000 张测试图片。现在选择 Batch Size = 256 对模型进行训练。

每个 Epoch 要训练的图片数量：50000

训练集具有的 Batch 个数：50000/256 = 195+1 =196

每个 Epoch 需要完成的 Batch 个数 ：196

每个 Epoch 具有的 Iteration 个数：196

每个 Epoch 中发生模型权重更新的次数：196

训练10代后，模型权重更新的次数：196*10 = 1960

同代的训练，其实用的是同一个训练集的数据。第1代和第10代虽然用的都是训练集的五万张图片，但是对模型的权重更新值却是完全不同的。因为不同代的模型处于代价函数空间上的不同位置，模型的训练代越靠后，越接近谷底，其代价越小。

4. 

epoch：训练时，所有训练数据集都训练过一次。

batch_size：在训练集中选择一组样本用来更新权值。1个batch包含的样本的数目，通常设为2的n次幂，常用的包括64,128,256。 网络较小时选用256，较大时选用64。

iteration​：训练时，1个batch训练图像通过网络训练一次​（一次前向传播+一次后向传播），每迭代一次权重更新一次；测试时，1个batch测试图像通过网络一次​（一次前向传播）。所谓iterations就是完成一次epoch所需的batch个数

三者之间的关系：Iter = epochs×(sum_photos / batch_size)​，所以1个epoch包含的iteration次数=样本数量/batch_size;

(iter*batchsize)/sum_photos=epoch

5. 训练加验证集

sum_photos=5692张    epochs = 400

batch_size=64        Iter=35575

batch_size=32         Iter=71150

batch_size=16        Iter=142300

batch_size=8        Iter=284600