主要面临的问题包括梯度弥散化，参数难调节，过拟合等。这几个问题最先解决的应该是梯度弥散化，即梯度消失和梯度爆炸，通过适当的参数初始化，可以缓解这个问题；在能收敛的情况下，需要对超参数进行调节，加快收敛速度；收敛后需要对bias和variance进行调节，防止过拟合。
1 梯度弥散化
使用ReLU代替sigmoid.优点在于单侧抑制，较宽阔的兴奋边界，稀疏激活性。更贴合神经元的工作原理。ReLU和变种已经成为最主流的激活函数。Hinton在论文中证明ReLu相当于一堆的sigmoid层。
合理参数初始化可以一定程度缓解特征消失和特征爆炸。对于tanh激活函数，参数矩阵可以用Xavier初始化，对于ReLu激活函数，吴恩达的建议如下图所示。
2 参数难以调试，特别是对SGD
神经网络通常不是一个凸优化问题，充满了局部最优解。有理论表示，局部最优解也有可能达到比较好的效果，全局最优反而是过拟合的。
在高维空间中，很难遇到局部最优解，直观地理解，对每一维都有可能是凹函数或者凸函数，20000维的空间，局部最优的概率是2的-20000次方。所以，在高维空间，遇到比较多的是图中所示的鞍点。
对于SGD，刚开始的时候我们希望收敛快，而后面则希望稳定地落入局部最优解。通过Adagrad,Adam等自适应的算法可以减轻调试参数的负担。
3 过拟合
使用正则。通过把每层的正则加到最终的损失函数里，简化模型。直观理解，就是使得更多的参数为零。
使用Dropout进行采样，即在深度学习某一层输出的时候随机丢弃一些数据。增大样本量的同时，减少特征数，防止过拟合。
数据增强。在图像识别领域，可以通过旋转，变换，扩大标注样本集。模型大，数据少，可能导致过拟合，通过增强数据，可以解决样本少的问题。
提早结束训练(early stopping)。在梯度下降过程中，有时候会遇到，训练集的代价函数或者准确率随迭代轮次单调递减，到了验证集代价函数会先下降后上升，这时候就需要提早结束。出现这种情况，往往是因为越往后，参数w越来越大，出现过拟合。使用正则一般不会出现这种情况，但使用正则的话，参数λ的搜索空间比较大，所以有时候为了时间减少，可以在不使用正则的情况下，在不同的迭代轮次结束训练，选择较小的一组w。
