半路出家，一直沒搞懂CNN底層執行關係，現在才慢慢清楚點

例子是出其理論學習者最好的幫手，So，我來個example

Example: 

15000個樣本，我們訓練模型的目的是找一組引數，使得該引數對應的模型能最大可能地符合所有樣本的值

（1）其實是根據loss function做梯度下降進行尋找能使loss functionz值最小的引數

 　　假設loss function 為f(X, A), 其中X=[x_1,x_2,.....x_n]^T 為一組我們要找的引數， A=[a1,a2,....,an]為我們的訓練樣本。

　　通過在樣本A的基礎上對f(X, A)分別求x1,x2,x3...xn的偏導，來尋找函式f的最優解。

（2）15000個樣本，每個batch是15，一個epoch就是對15000個樣本跑一遍，一遍中有1000次迭代，每次迭代都通過 f（X，A）尋找到當前這組15個樣本情況下的最優引數。 然後進行1000迭代後就完成了一個epoch，也就對所有樣本跑了一遍。

（3）在進行多個epoch後，最終能找到最優的引數，訓練好模型。