深度学习：鞍点与海森矩阵的问题

概述：在深度学习的过程当中，我们通常会碰到优化这个问题，但是优化结果往往不是最优解，这是因为你认为的梯度为0的点，不一定是全局最小值的点，还有可能是局部最小值的点，即鞍点。

首先来看看最优化的定义：对于目标函数f(x)，如果f(x)在x上的值比在x邻近的其他点的值更小，那么f(x)可能是一个局部最小值（local minimum）。如果f(x)在x上的值是目标函数在整个定义域上的最小值，那么f(x)是全局最小值（global minimum）。
比如在下面这张图中：

这张图中存在两个梯度为0的点，但是一个是全局最小值点，一个是局部最小值点。
如果扩展到三维图像上如下图所示：

当一个优化问题的数值解在局部最优解附近时，由于目标