优化算法以加快训练的速度
1. mini-batch
把训练集划分成小点的子集（mini-batch）
X{1}表示第一个mini-batch
X(1)第1个样本
X[1]第一层的输入
1.1 mini-batch梯度下降方法过程：每次对一个mini-batch进行计算，包括J, w都是针对一个子集的
epoch：一代，表示遍历了整个数据集（而不是一个子集）
1.2 使用mini-batch的代价函数变化：每次迭代处理的是一个mini-batch，而代价函数也是指J{t}
1.3如何选择min-batch的大小
太大的话每次迭代耗时太长，太小的话每次只处理少量效率低（失去了向量加速的优势）
2. 指数加权平均（指数加权移动平均）exponentially weighted average
vt可以看作是前多少天的温度平均值。因为Vt虽然是包含1~t天的温度，但由于b的次方太大会导致前面几天的温度对t的影响很小，几乎为0
2. 做偏差修正bias correct
开始的时候设置v0=0，容易导致前期的预测会比较实际的小很多，估计不准确
所以用vt/1-bt 来计算（进行偏差修正），当t很大时，分母接近于1，所以后期紫线与绿线会重合
3. 优化梯度下降算法
- 从某个点出发，向最小值前进时，会出现一定的波动：减少波动，纵向快一点，而横向快一点
- 无法使用更大的学习率，因为可能会偏离函数范围
3.1动量梯度下降法: ｍｏｍｅｎｔｕｍ
3.2 RMSprop ： root mean square prop
3.3 Adam算法 ：momentum与RMSprop的结合，常用的方法
3.4 学习率衰减：随时间逐渐减少学习率
为什么：如果一直用比较大的学习率，当靠近最小值时，结果可能会在较大范围内进行浮动（不易收敛），而不是在很接近最小值的小范围
重要性：不是最开始的重点，可以先设置一个固定的，先调整其它的
4. 局部最优
- 这不是一个问题，要找到一个局部最优点，需要它在各个维度都是最优的（比如都是凹/凸），如果维度很大，这是很难的
- 但是找到鞍点，还是比较容易的（各维导数为0）
存在平滑导致变化慢的问题，不过我们有加快的方法（上面~）
