pytorch

epoch：所有的训练样本输入到模型中称为一个epoch；
iteration：一批样本输入到模型中，成为一个Iteration;
batchszie：批大小，决定一个epoch有多少个Iteration；
迭代次数（iteration）=样本总数（epoch）/批尺寸（batchszie）
dataset (Dataset) – 决定数据从哪读取或者从何读取；
batch_size (python:int, optional) – 批尺寸(每次训练样本个数,默认为１）
shuffle (bool, optional) –每一个 epoch是否为乱序 (default: False)；
num_workers (python:int, optional) – 是否多进程读取数据（默认为０);
drop_last (bool, optional) – 当样本数不能被batchsize整除时，最后一批数据是否舍弃（default: False)
pin_memory（bool, optional) - 如果为True会将数据放置到GPU上去（默认为false）