一、深度学习建模与调试流程
先看训练集上的结果怎么样（有些机器学习模型没必要这么做，比如决策树、KNN、Adaboost 啥的，理论上在训练集上一定能做到完全正确，没啥好检查的）
Deep Learning 里面过拟合并不是首要的问题，或者说想要把神经网络训练得好，至少先在训练集上结果非常好，再考虑那些改善过拟合的技术（BN，Dropout 之类的）。否则的话回去检查三个 step 哪里有问题。
Deep Learning 中的方法为了解决两个主要问题而提出：1.训练集做得不好；2.训练集做得好，测试集做得不好
实际应用的时候搞清楚自己面对的问题，选择对应的技巧。
二、激活函数
1. sigmoid
梯度消失：网络很深的时候，靠近输入的 hidden layers 的梯度对损失函数影响很小， 参数更新的就很慢；靠近输出的情况反之。前面几层的参数都还没怎么更新的时候就收敛了。
原因也比较简单，反向传播的时候每经过一层，都会乘上小于 1 的数（sigmoid 函数 会把输入压到 0～1 之间），结果就越来越衰减。
早期用 RBM ，先训练好前面几层。
2. ReLU
计算快；有些生物学的来源；相当于无穷多个不同偏置的sigmoid函数叠加；不存在梯度消失
输出要么是0，要么是输入本身，相当于把原来的网络变成一个 thinner linear network。
这样网络还是非线性的吗？ —— 是。只要输入的变化比较大，跨越函数分段，网络依旧具有非线性。
好像不可微？ —— 确实。但做浮点运算也几乎不会正好要在原点处计算微分，所以直接忽略这个问题。
一些变种，亲测过确实会有提升。
3. maxout network
每个神经元的激活函数的具体形式，是可以学习来的（不一定非得像 ReLU 那样在原点分段）：
哪些神经元要被 group 起来是事先决定的（比如随机2个或者3个一组之类的，几个一组也可以作为一个参数来学习）。
ReLU 就是特殊情况下的 maxout ；但 maxout 可以实现更多可能的激活函数（根本上是由参数 w 决定的）。
怎么训练？—— 给定一个输入，是能够知道每次取 max，留下的是哪一条路径。训练去掉不作用的神经元之后的“瘦长”的线性网络就行了。
怎么保证参数都能被更新？—— 训练的时候每次给不同的输入数据，去掉的神经元是不一样的。所以一直给不同的输入，差不多每个参数都会被更新到。
三、梯度下降的改进
1. Adagrad
2. RMSProp
3. Momentum
4. Adam = RMSProp + Momentum
Early Stopping
四、正则化
Dropout
原文地址：https://www.cnblogs.com/chaojunwang-ml/p/11196420.html