学习必须有一种方法，否则为什么会有人学得快，有人学得慢。

有人讲，学得快慢是因为聪明与否。否则很难解释生活中出现的诸多现象，比如有人就是能够一下子学会，有人难得学会，而一旦学习，忘记得比谁都快。

从书中学到到基本概念讲，学习就是一个建立神经鞘，让某种类型的神经冲动更容易通过的过程。从现在流行的深度学习训练过程来看，就是建立每一个神经元参数，包括了各输入权重，激活函数类型与参数等的训练过程。如果这是真的，那么学习快的人（聪明的人）就是能够快速训练并收敛的人，而博学的人，则是本身网络规模（超参数量）比较大的人，这多好玩。

假设这些是真的，并且再假设人一出生，就限定了硬件单元（神经元个数与神经元的频率）参数，那么我们唯一能够做的，就是固定一个模式，尽快能够在一次一次地迭代中，确定好超参。如果我们也是用类型GD(gradient descent)方法在训练我们的大脑，那就要求我们每一个epoch的训练之后，需要评估我们的Loss函数，并调整下一轮次的参数。

对于普通人来讲，进步不够快，或者不进步甚至退步的原因也许就是我们只是在进行推理，而没有评估训练的过程，或者评估Loss函数并且修改参数的这个过程没有刻意地去做，如果评估根本是错的，那参数调整必然也是错的，这就意味着退步。很多书上讲的刻意训练，也是这么一个道理。