批量

实际计算梯度时，并不是对所有数据的损失$L$计算梯度，而是把所有数据分成一个一个的批量（batch）。遍历所有批量的过程称为一个回合（epoch），数据分为批量时，还会进行随机打乱（shuffle）。
在有并行计算的情况下，小的批量跟大的批量运算的时间没有太大的差距。除非大的批量非常大才会显示出差距。但是一个回合需要的时间，小的批量比较长，大的批量反而是比较快的。所以从一个回合需要的时间来看，大的批量是比较有优势的。而小的批量更新的方向比较有噪声，大的批量更新的方向比较稳定。但是有噪声的更新方向反而在优化的时候有优势，而且在测试的时候也会有优势。所以大的批量跟小的批量各有优缺点，批量大小是需要去调整的超参数。

动量

动量法是另外一个可以对抗鞍点或局部最小值的方法。
动量法是参考了真实的物理世界里一个球如果从高处滚下来，就算滚到鞍点，因为惯性的关系，他还是会继续往前走。如果球的动量足够大，其甚至翻过小坡继续往前走。