@TOP神经网络训练步骤
总结源于：troubleshooting deep neural networks
1. 确定一个简单的模型
选择一个简单的架构、使用Adam且无正则化、归一化输入、用来解决简单的问题(原问题数据集的子集)
2. 实现算法
v1版中，写尽量少行数的代码，不要超过200行；尽量调用api，而非自己写函数实现；先用于解决一个小的数据集上的问题
2.1 让模型跑起来
注意数据的shape、维数(特别是有的某一维是1)、精度(存储和使用的格式很可能不一样)、范围，可通过可视化每一步操作来解决；减少占用内存的操作.
numpy默认是float64，而一般DL使用float32；图像默认是uint8，需要转为float32.
自己导入数据时，尤其要注意这点！
注意：Batch size是否太大；FCN是否太大；是否往内存导入了过多数据，可考虑将数据按顺序输入内存；为数据集分配的缓冲区是否过大；同个session中是否创建了多个模型，这可能会导致内存泄漏；重复创建一个操作；GPU是否正在跑其他程序.
是否忘记初始化变量；忘记在batch norm中关掉bias；获得的参数无效/空
2.2 对单个batch拟合
error上升：loss function或者gradient的符号反了；学习率过高；softmax在错误的维度上求和；
error爆炸式上涨：数值错误（检查exp、log、除法操作的输出结果）；学习率过高；
error震荡：数据或label被污染了（未归一化、不正确的打乱顺序）；学习率过高；
error陷入高原：学习率过低；梯度没有很好的在整个模型中传递（梯度消失）；正则化过重了；loss function输入了不正确的数据；数据或label被污染了
2.3与一个已知结果作对比
将官方模型在与我相似的dataset上进行评估：一行一行地检查，以确定我能够得到相同的输出；确保我的模型能够达到预期目标；
将官方模型在benchmark上评估（e.g. MNIST）：一行一行地检查，以确保我能得到相同的输出；
与非官方的模型进行对比：同上，只是confidence相对较低；
与不提供源码的论文结果对比：确保我的模型能达到预期目标；
与我的模型在benchmark上的结果对比：确保我的模型在简单设置后效果好；
与相似的模型在相似的数据集上的结果对比：明白大致能够获得怎样的性能；
3. 模型评估
画出：Human level performance、Train error、Val error、Test error四根曲线；
Test error = Val error + Val set overfitting
Val error = Train error + Variance(overfitting)
Train error = Human level performance + Avoidable bias(underfitting)
然后根据过拟合和欠拟合的程度，进行调整模型
当train set 和 test set的分布不同时：使用两个val set，一个从train set采样，一个从test set采样
4. 改进模型
处理欠拟合（按顺序）：把模型变大（加layer、每层的units增多）、减少正则化、分析Error来源；选择另一个模型架构（选更state-of-the-art的）；调节超参数（e.g. 学习率）；增加features
处理过拟合（按顺序）：增加更多数据（如果可以的话）；增加正则化（batch norm；layer norm）；数据增广；增加正则化程度（Dropout、L2、weight decay）；分析Error来源；选择另一个模型架构（更state-of-the-art的）；调节超参数；（Early stopping；移除一些features；减小模型size；最后这三种不推荐）
处理train set和test set的分布不同（按顺序）：分析test error和val error（e.g. 很难看见行人；反光、夜景），并收集更多数据；分析test error和val error，并合成更多数据；使用domain自适应技术（当target domain的数据有限时：finetune一个预训练好的模型、把这些数据加入train set；当target domain有大量的无标签数据时：Correlation Alignment、Domain confusion、CycleGAN）
重新平衡数据集（如果有用的话）：（此时val的效果远好于test的效果，通常此时val set的数据很少，或需要调节的超参数很多时使用）需要收集更多的val data。
5. 调节超参数
NN：ResNet这种架构？多少层？权重如何初始化？Kernel size？等
优化器：Adam这种方法？Batch size？Learning rate？beta1？beta2？epsilon？等
正则化：。。。等
模型对参数的敏感程度：
高度敏感：学习率、损失函数、网络的大小
中度敏感：初始化的权重、模型深度、每一层的size、正则化的权重
低敏感：优化方式、优化参数、Batch Size、非线性性
超参数调节方法：
法1：人工调节：优点：对有经验的人来说计算少；缺点：需要对算法很了解、会猜测参数、比较耗时
法2：Grid Search：优点：简单、能得到好的结果；缺点：非常耗时、需要一定先验知识；
法3：随机搜索
法4：由粗糙到细致的搜索：优点：计算量小，实际中最常用；缺点：需要人工进行；
法5：贝叶斯参数优化：基于先验知识去估计一些点，建立每组超参数对应的性能与概率的模型（即基于已经测试过的点拟合性能与超参数的曲线，越靠近已经测试过的点，曲线的可信度越高；每次训练时，使用曲线上最能提升性能的那一组超参数，并用训练结果来更新曲线和可信度模型）。优点：很有效率，可以不用人来控制；缺点：不易进行曲线的拟合；难以程序化，且没有现成的工具
效果不好的原因：
实现起来有bug
超参数没选好
模型和数据的匹配程度
数据集没处理好（没有足够多的数据、类别不平衡、噪声数据、训练集和测试集不同分布）
一些建议：
使用Adam optimizer（在TensorFlow中，如果要保存或者载入权重，记得在AdamOptimizer后使用Saver）
使用ReLU
不要在output层后加了激活函数（一定确保关闭了output layer的激活函数）
每一层都加上bias（有BN层的除外）
使用variance-scaled初始化（在TensorFlow中为：tf.contrib.layers.variance_scaling_initializer()）
白化（归一化）输入数据
卷积层有64个或128个filters，一般来说已经足够了
池化具有变化不变性（池化操作让网络学得更佳整体的idea，使得CNN对平移、旋转、尺度缩放更加鲁棒）
