1、CUDA(compute unified device architecture)可用于并行计算:
GTX1060 CUDA核心数：1280 显存大小：6G
2、随机梯度下降：计算偏导数需要的计算量很大，而采用随机梯度下降（即采用采样的概念）从中提取一部分样本来，这些样本中的特征已经可以在一定程度上代表完整训练集的特征。 Tensorflow中可以指定一个batch的size,规定每次被随机选择参与归纳的样本数。
3、梯度消失与梯度爆炸问题：
梯度消失：两个节点相连的神经网络，在使用链式法则的时候，会对导数进行连乘。即使用Sigmoid函数在自变量很大或者很小的时候，由下图可以看出，导数接近于0，这样在导数连乘的时候会使得w没什么变化。
而对于这种问题比较好的解决方案是改用ReLu（修正线性单元）激活函数，如下图所示：
这样在第一象限中导数恒为1，不会很容易出现很大很小的值，求解复合函数的导数更简单。
4、归一化：
一般采用线性函数归一化（max-min）、0均值标准化(z-score standardization)，在深度学习中，常见的是使用batch-normalization，这样可以让网络尽可能避免没有数据，代码为：
h2=tf.contrib.layers.batch_norm(h1,center=True,scale=True,is_training=false,scope=’bn’).
5、参数初始化问题：
常见的初始化为使用以0为均值，1为方差的分布生成后除以当前层的神经单元个数的算术平方根。或者初始为以0为均值，以很小的值为标准差的正态分布的方式。
中心极限定理：任何独立随机变量和极限分布都为正态分布。
6、正则化：
为防止出现过拟合问题，则进行正则化约束。方法是在损失函数中加入一个正则化项，以防止模型的规模过大所产生的过拟合。
这个因子的含义是把整个模型中所有的权重w的绝对值加起来，lamda是惩罚因子，表示对这一项的重视程度。
L1正则化项即采用L1范数，L2正则化就是所有权重的平方之和。
C0往往是经验风险，即误差所带来的代价，其收敛中心点记为黑色圆的圆心，其收敛中心为精确解，而蓝色的圆中心为正则化项的收敛点，即结构风险的最小化的收敛点，那么引入正则化项后，黑色大圆与蓝色圆相切的切点即为最后模型的收敛点。
7、其他超参数：有一些值需要在算法训练之前设定，无法通过学习获得，这就需要经验获得或者进行一定的预估、尝试。比如深度学习中的学习率，K-means算法中的簇数k.
8、Dropout:方法的目的在于克制过拟合状态，由于网络VC维很高，记忆能力很强，所以有些细枝末节的特征也会被网络记忆，从而削弱网络整体的泛化性能，使得其没有办法在验证集通过，仅有较好的训练集分类性能。这时候选择性的（随机）临时丢弃（关闭）一些节点，可以降低VC维，减小过拟合风险。
Keep_prob=tf.placehoder(tf.float32)
H_fc1_drop=tf.nn.dropout(h_fc1,keep_prob)
