Q：CNN最成功的应用是在CV，那为什么NLP和Speech的很多问题也可以用CNN解出来？为什么AlphaGo里也用了CNN？这几个不相关的问题的相似性在哪里？CNN通过什么手段抓住了这个共性？
以上几个不相关问题的相关性在于，都存在局部与整体的关系，由低层次的特征经过组合，组成高层次的特征，并且得到不同特征之间的空间相关性。
CNN抓住此共性的手段主要有四个：局部连接／权值共享／池化操作／多层次结构。
局部连接使网络可以提取数据的局部特征；权值共享大大降低了网络的训练难度，一个Filter只提取一个特征，在整个图片（或者语音／文本） 中进行卷积；池化操作与多层次结构一起，实现了数据的降维，将低层次的局部特征组合成为较高层次的特征，从而对整个图片进行表示。
卷积神经网络有三个结构上的特性：局部连接，权重共享以及空间或时间上的次采样。这些特性使得卷积神经网络具有一定程度上的平移、缩放和扭曲不变性。
Q：如何防止过拟合问题？
1、 从简单模型开始尝试；
2、 进行数据清洗（去除掉噪声比较大的数据）；
3、 数据集扩增（利用已有资料人工生成一些相似数据）；
4、 加正则项；
5、 做交叉验证；
6、 如果是深度学习，可以使用dropout层；
7、提前终止（当验证集上的效果变差的时候）；
Q：如何解决欠拟合：
1、 添加其他特征项，有时候我们模型出现欠拟合的时候是因为特征项不够导致的，可以添加其他特征项来很好地解决。
2、 添加多项式特征，这个在机器学习算法里面用的很普遍，例如将线性模型通过添加二次项或者三次项使模型泛化能力更强。
3、 减少正则化参数，正则化的目的是用来防止过拟合的，但是现在模型出现了欠拟合，则需要减少正则化参数。
Q：什么造成梯度消失？
梯度消失会造成权值更新缓慢，模型训练难度增加。造成梯度消失的一个原因是，许多激活函数将输出值挤压在很小的区间内，在激活函数两端较大范围的定义域内梯度为0。造成学习停止。
减轻梯度消失问题的一个方法是使用线性激活函数（比如rectifier函数，即ReLu激活函数）或近似线性函数（比如softplus函数）。这样，激活函数的导数为1，误差可以很好地传播，训练速度得到了很大的提高。
Q：L1范数和L2范数的区别：
L1范数是指向量中各个元素绝对值之和，L1范数会使权值稀疏。
L2范数是指向量各元素的平方和然后求平方根。L2范数在回归里面，有人把有它的回归叫“岭回归”（Ridge Regression），有人也叫它“权值衰减“weight decay”。我们让L2范数的规则项||W||2最小，可以使得W的每个元素都很小，都接近于0，但与L1范数不同，它不会让它等于0，而是接近于0。
卷积神经网络的一些准则：
1、 避免表达瓶颈，特别是在网络靠前的地方。信息流前向传播过程中显然不能经过高度压缩的层，即表达瓶颈。从input到output，feature map的宽和高基本都会逐渐变小。比如一开始就来个kernel=7，stride=5，这样显然不合适。另外输出的维度channel，一般来说会逐渐增多（每层的num_output），否则网络会很难训练。（特征维度并不代表信息的多少，只是作为一种估计的手段）
2、 高维特征更易处理。高维特征更易区分，会加快训练。
3、 可以在低维嵌入上进行空间汇聚而无需担心丢失很多信息。比如在进行3*3卷积之前，可以对输入先进行降维而不会产生严重的后果。假设信息可以被简单压缩，那么训练就会加快。
这些并不能直接用来提高网络质量，而仅用来在大环境下指导。
大尺寸的卷积核可以带来更大的感受野，但也意味着更多的参数，比如5*5卷积核的参数是3*3卷积核的25/9=2.78倍。为此，可以用2个连续的3*3卷积层（stride=1）组成的小网络来代替单个5*5卷积层（保持感受野范围的同时又减少参数量）