神经网络训练技巧

1、学习速率。首先设学习速率为一个较大的值，确保training  cost在不断下降。当accuracyy在n个epoch内不再增加时，使得学习速率减小一半。重复迭代，直到学习速率变成原来的1/1024。

2、学习速率要根据训练cost调。但是网络层数和神经元数目，mini-batch size要根据验证集的acc调。

3、关于正则项系数。可以先设为0，选好learning rate，再将正则系数增大或者缩小十倍粗调。大概确定数量级后，再微调。

4、关于mini-batch，如果太小，和On-line learning很接近，加速效果可能不明显。如果太大，权重更新不够频繁，优化过程较长。因此，可以画出验证集准确率和真正时间的曲线，确定一个acceptable mini-batch。

5、避免过拟合的方法有很多：early stopping、数据集扩增（Data augmentation）、正则化（Regularization）包括L1、L2（L2 regularization也叫weight decay），dropout。

6、加上正则项之后，权重会衰减。较小的权重意味着较低的网络复杂度。因为对于过拟合的网络，权重往往振荡较大，很小的区间内函数值变化较大。由于输入可大可小，必须选择权重系数较大。正则化约束了网络的权重，降低了过拟合的情况。

7、加入l2正则化，权重衰减。加入l1正则化，若权重本身为正，会减小，本身为负，会增加。因此，使得权重趋近于零。

8、神经网络参数初始化。传统的方法是从高斯分布中初始化参数，或者全部初始化为0或者1。sigmoid函数为例，为使导数较大，保证输入大概在【-4, 4】之间。获得较快的权重更新速率。因此，可以选择初始权重，使得神经元初始激活函数值落在想要的范围之内。

9、方差损失函数，当神经元实际输出值较大时，损失函数和权重导数值较小。交叉熵损失函数，导数值中不包含损失函数和实际输出导数项，只包含误差项。误差越大，更新越快，误差越小，更新越小。

10、optimizer： adam和adadelta收敛速度都比较快，但是结果来看，sgd和rmsprop的正确率较高。

11、理论上，batch size=1  结果最优。但是验证集准确率容易振荡。

12、优化方法，不同的优化方法对学习率做了不同的变化。

adagrad：累加之前所有梯度的平方。前期可以放大梯度，后期可以约束梯度。适合处理稀疏梯度。后期可能训练提前结束。

adadelta：累加之前梯度平方时不直接加，而是乘以一个权重后再加。训练前期，加速效果很好。训练后期，在局部最小值附近抖动。不依赖全局学习率。

rmsprop：adadelta的特例。权重取0.5，对RNN效果很好。

adam：同时考虑之前梯度的一阶矩和二阶矩，参数比较平稳。

13、这就导致了tanh特征相差明显时的效果会很好，在循环过程中会不断扩大特征效果显示出来，但有是，在特征相差比较复杂或是相差不是特别大时，需要更细微的分类判断的时候，sigmoid效果就好了

为神经网络是不断反复计算，实际上变成了它在尝试不断试探如何用一个大多数为0的矩阵来尝试表达数据特征，结果因为稀疏特性的存在，反而这种方法变得运算得又快效果又好了