深度学习参数、超参数及参数的传播

1、参数：就是模型可以根据数据可以自动学习出的变量，应该就是参数。比如，深度学习的权重，偏差等。

2、超参数：就是用来确定模型的一些参数，超参数不同，模型是不同的(比如说：假设都是CNN模型，如果层数不同，模型不一样，虽然都是CNN模型。)，超参数一般就是根据经验确定的变量。**在深度学习中，超参数有：学习速率，迭代次数，层数，每层神经元的个数等等。**需要提前手动设置，不会因反向传播更新。
3、参数传播一种常见的方法：
梯度下降算法，步骤为：
1、初始化随机权重和偏差。
2、把输入传入网络，得到输出值。
3、计算预测值和真实值之间的误差。
4、对每一个产生误差的神经元，改变相应的（权重）值以减小误差。
5、迭代跟新，直到找到最佳权重。