批量梯度下降法（Batch Gradient Descent，BGD）：在更新参数时，BGD根据batch中的所有样本对参数进行更新。（计算速度快）

随机梯度下降法（Stochastic Gradient Descent，SGD）：和BGD的原理类似，区别在于每次随机选取一个样本j求梯度。（计算性能好，耗时）

小批量梯度下降法（Mini-batch Gradient Desent，也称Mini-batch SGD）：BGD和SGD二者的折中法，对于m个样本，选取x个子样本进行迭代，且1<x<m。

转-->详细介绍

均和性能和训练时间需求：mini-batch

shuffle:打乱数据集顺序 

用for in循环把里面batch依次拿出来

 dataset是一个抽象类，由自己设计继承

dataLoader帮助自助加载数据（shuffle\batch_size）

1.class()中表示继承dataset的类

2.getitem用于通过下标索引把数据拿出来（魔法方法）

3.len可以把数据数量拿出来

4.init有两种选择：a.把所有数据都加载到内存里面,用getitem把每一个[i]传出去（用于数据集本身不大）；b.放入pack文件里面，定义一个列表把每一个数据集文件放到相应列表or标签中用getitem读取i列表j文件元素（数据集本身很大）

 5.dataloader参数：数据集参数，容量，是否打乱，使用多线程数量