example相當於一個單位的訓練資料，例如一張圖片，example包含features，features包含多個feature，feature即一個格式為Int64List或BytesList等格式的資料，例如一張圖片包含的feature有：height， width，channels，filename，format等等。

如果batch_size==1，相當於學完一張圖片就更新引數， 這樣會導致特徵不明顯，引數振盪，兩次的學習結果可能會互相抵消；如果batch_size=images_num(一個epoch), 相當於遍歷完所有圖片進行權值更新，這樣訓練的速度太慢。所以可以綜合一下，取一個合適值。關於batch_size的取值問題參考：

epoch是整個訓練資料集，當資料集不大時，直接batch_size=image_num，資料集大時可能資源不夠，將epoch分成多個batches。

iteration是完成一次epoch所需的batch個數，也是batch_num。

global_step在訓練中是計數的作用，每訓練一個batch就加1，一般會設定一個max_number_of_steps，到達後訓練結束。如在cifar10_train.py中，訓練100K steps，訓練了256個epoches。

讀取資料例如圖片集時，會建立多個執行緒來增加速度，讀取圖片後將資料存進tfrecord檔案，為了加速讀取，可設定多個存入資料的檔案即rfrecord檔案，這個tfrecord檔案數就是shard的值，每一個執行緒均分設定的shard數量，所以shard數應當是thread數的倍數