激活函数
作用：增加非线性因素
Relu激活函数，含GELU
softmax激活函数：优势和劣势都无限扩大，每个都是自然数次方
sofrmax和sigmoid的区别：
sigmoid激活函数：
每个神经元激活时只看自己激活前的值，不满足各个神经元激活后的输出值相加等于1的性质，个神经元之间是独立的。
softmax激活函数：
每个神经元激活时要看其它同层神经元的值，分别指数次幂后再归一化，满足各个神经元激活后的输出值相加等于1的性质。个神经元之间是相互依赖的。
MIsh激活函数：
常用激活函数汇总：
激活函数的选择策略：
没有适用于所有情况的激活函数。综合考虑计算偏导值的难度、训练速度、平滑性、是否满足归一化；
1、隐层：默认情况下，隐层的激活函数，广泛使用ReLU（或其变种的Leaky ReLU，PReLU等），或Mish；
2、输出层：默认情况下，对分类任务，广泛使用softmax作为输出层的激活函数（得到的每一类输出的概率，这些概率的和相加为1）
激活函数和损失函数：
激活函数则用于引入非线性因素，增强模型的表达能力；而损失函数用于衡量模型预测结果与真实结果之间的差距。
一般来说是先激活在计算损失。
权值初始化
神经网络开始前，指定权值，在神经网络训练中不参与
1、全零初始化和随机初始化（Zero Initialization and Random Initialization）
全零初始化：所有中间层节点对应的参数值都置为零。第一次BP后，更新后的网络参数将相同。
随机初始化：所有中间层节点对应的参数值都置为一个随机生成的比较小的值。
2、针对Sigmoid等激活函数的Xavier初始化方法
随机生成一个随机数后，乘以上述值。适用于Sigmoid（）、Tanh（）、Softsign（）等激活函数。
3、针对ReLU激活函数的He初始化方法
4、适用Pretrained模型中的参数
例如再ImageNet数据集上预训练的ResNet50模型。
5、Zer0初始化
仅仅使用0和1进行初始化。
Xavier和He权值初始化对比
公式！
批归一化（Batch Normalization）
比较均匀，减少过大或过小的值，使网络更平稳，随着训练的进行不断地修改对应的神经元的值，即持续发生在后续迭代的训练中。
BN优缺点：
优点：
1、BN允许在训练过程中使用更大的学习率，超参数的寻找更加容易，也更健壮；
2、BN能够提升模型的预测准确率，减少学习模型过拟合风险；
3、BN能够加快梯度更新过程的收敛度，从而加快了训练速度；
4、BN能够减少对权值初始化的依赖（如He初始化）。
缺点：
BatchNorm对批大小比较敏感，对于较小的mini-batch，效果不好。
BN变种：
BatchNorm：分别计算所有样本在某个通道上的每个神经元上的均值及方差，适用于CNN（默认用）；
InstanceNorm：当前样本在一个通道上的均值和归一化，与通道无关，只与当前样本有关；
以上属于同通道神经元跨样本。
LayerNorm：一个样本在所有通道上神经元的均值和归一化，跟样本数量无关，使用于批小的情况下，其与样本数量无关，对RNN作用明显；
GroupNorm：分组，每个组中等同于LayerNorm；
以上属于跨通道神经元同样本。
梯度更新策略与超参优化
1）梯度下降修正，每个参数梯度下降的值
2） 对超参数合理调整，主要是学习率最终目标：以加速训练过程，取得更好的模型准确度
1、梯度下降（Gradient Descent）的目的
2、梯度下降的适用场景
3、缺点
4、不同变种类型
5、最基本的优化算法（SGD）和Momentum梯度下降法
SDW累积的梯度的偏导
SDB累积的权重的偏导
一般是W=W-lamda*Sdw 梯度的权重
b=b-lamda*Sdb 偏置的权重
6、自适应学习率
需要给一个初始学习率，随着训练自主更新
Adagrad自适应调整学习率
1）需要预先设置一个全局学习率λ；
2）增加一个二阶动量Sdw，以实现自适应学习率。二阶动量Sdw是迄今为止所有梯度值的平方和
；
3）上一轮迭代的学习率为λ，而本轮迭代中的学习率为
。
AdamDelta是Adagrad的改进，不再另外累积所有的历史梯度，而只计算一定时间段的梯度的平方和。
RMSProp
以上三种过去梯度的平方进行累加
Adam
其在某种程度上是Momentum（一阶）和RMSProp（二阶）的结合，自动的更新权值和学习率
7、优化器总结
8、默认优化器的选择
