神经网络训练细节part1（下）

权重初始化

• small random numbers(gaussian with zero mean and 1e-2 standard deviation)
  w = 0.01*np.random.randn(D,H),0.01是一个系数，可以调整
  但是这种方法容易出现梯度弥散的问题(梯度的量级会变得越来越小)，更好的一种初始化方式是：w=np.random.randn(fan_in,fan_out)/np.sqrt(fan_in),这种方法仅限于使用tanh激活函数，如果使用relu函数，则可以设置为w=np.random.randn(fan_in,fan_out)/np.sqrt(fan_in/2)

批数据规范化(Batch Normalization)

学习率选择

学习率的选择通过先用少部分数据来进行测试，选择一个较好的学习速率。选择的方式可以为在某个范围内随机取值，观察样本的准确率

总结