（没准备还是不行啊哈哈哈）一、基础知识梯度 优化器 一阶动量 二阶动量 是啥梯度：梯度的反方向就是参数的更新方向一阶动量：梯度的指数加权平均公式：作用：平滑梯度，减少更新方向的抖动二阶动量：梯度平方的指数加权平均公式： 作用：自适应调整学习率大小adam 总体公式:模型初始化方法有哪些？全零初始化ReLU的激活函数，梯度是0sigmoid的激活函数，每层的神经元的输出相同，梯度相同（不为0），那么更新后的参数也相同，模型学不到任何特征随机初始化 (Random Initialization)目的： 打破对称性，确保不同神经元学习到不同的特征。缺点： 随机数过大或过小都可能导致梯度消失或梯度爆炸...