正则化

经过了一段时间的学习，对神经网络的结构有了一丢丢了解，那么，你在用的过程中，如果使用了一个神经网络，结果发现它表现的不是很好，可能在训练集上表现不好，可能在验证集上，或者是在最后的测试集，那么我们该怎么调整这个神经网络并且不影响其他的阶段呢？
这就需要正则化。
1、一个好的验证集+单一化评估指标
2、开发集和测试集要来自同一分布
3、再次强调，在大数据时代，只需要98%，1%，1%的配比
4、根据实际情况改变评估指标，比如改变权重。
5、贝叶斯最优误差：永远不会被超越。

Comparing to human-level performance

human-level performance 是指人类认知水平误差，通常可以用来估算贝叶斯误差，来代表所能达到的最小误差
对于人类认知误差的定义，应该是选已知的最小误差（医生判断X光片的例子），不过主要看你的系统的用途

end to end deeplearning

端到端的深度学习前提是要有较大的数据集