深度学习中我们总结出 5 大技巧：
1. Adaptive Learning Rate
我们先从Adaptive Learning Rate 谈起，我Gradient Decent 中我们已经讨论了：
AdaGrad ：
紧着AdaGrad的步伐，我们进一步看：
RMSProp
神经网络训练的时候，Error Surface 很有可能非常复杂
RMSProp其实和AdaGrad 是一样的思路，但是具体求分母的时候，它考虑了历史gradient和新的g的权重a 。
Momentum
如何找到最优的网络参数呢？
optimize loss 的时候，很有可能就会遇到如下三大问题：
- 慢 very slow
- 局部最优 local minimal
- 鞍点 saddle point
我们可以考虑在物理世界的场景进行映射：小球从山上滑落，在局部最低的时候，他的动量让它冲出局部。
我们复习一下梯度下降：Gradient的方向和Movement 的方向相反
当我们考虑运动的动量后：
- 运动不在是基于梯度，而是基于以前的运动
- Movement not just based on gradient, but previous movement.
其中 movement = laststep of movement - present gradient
Momentum 虽然不能保证走出“困境”，但是这是一个巨大的进步
Adam 算法
Adam 算法是结合 RMSProp 和 Momentum， 来寻找最优解。看起来比较复杂，
实际上懂 RMSProp 和 Momentum后，也就很快理解了。
2. New activation function
深度学习中我们总结出5大技巧：本节我们就从新的激活函数Relu谈起。
新的激活函数 new activation function
我们知道，激活函数在基于神经网络的深度学习中将线性变换，转换为非线性变换。是神经网络能够学到东西的重要一环。常用的激活函数有sigma， tanh 等。
从辛顿大神在2012年imagenet 中的CNN网络中引入relu，这个神奇的看上去是线性的激活函数进入我们的视野，以后扮演者非常重要的作用。
那为什么要引入relu，sigma、tanh 函数有什么缺点呢？
最主要的问题在于deep learning 无法真正deep：
如图所示，训练上8层之后，正确率急速下降。 这是为什么呢？
主要原因在于梯度消失Vanishing Gradient Problem
如图所示：传统的激活函数，数据变化后，输出的变化比输入小，而且根据ChainRule, 层数越深，梯度值相乘的结果越小，小到接近于0的时候，就无法学习了。
所以，我们引入Relu，他的特点是：
1. 计算快速（导数是1）
2. 生物学原理（貌似是大脑回路，不太了解）
3. linear piece 可以模拟任何函数（在以后的深度学习理论会讲）
4. 重点是：可以解决梯度消失的问题
Relu 可以简化神经网络：
虽然Relu看起来很好（有严格数学证明，以后会深入讲），但是在小于0的时候导数为0，对于参数学习是不利的：所以我们引入Relu的变种：leaky Relu， Parametirc Relu, 以后还会谈到 Selu
