CNN 细节一 batch和epoch以及找最小loss值得关系

半路出家，一直没搞懂CNN底层运行关系，现在才慢慢清楚点

例子是出其理论学习者最好的帮手，So，我来个example

Example: 

15000个样本，我们训练模型的目的是找一组参数，使得该参数对应的模型能最大可能地符合所有样本的值

（1）其实是根据loss function做梯度下降进行寻找能使loss functionz值最小的参数

 　　假设loss function 为f(X, A), 其中X=[x_1,x_2,.....x_n]^T 为一组我们要找的参数， A=[a1,a2,....,an]为我们的训练样本。

　　通过在样本A的基础上对f(X, A)分别求x1,x2,x3...xn的偏导，来寻找函数f的最优解。

（2）15000个样本，每个batch是15，一个epoch就是对15000个样本跑一遍，一遍中有1000次迭代，每次迭代都通过 f（X，A）寻找到当前这组15个样本情况下的最优参数。 然后进行1000迭代后就完成了一个epoch，也就对所有样本跑了一遍。

（3）在进行多个epoch后，最终能找到最优的参数，训练好模型。