對於卷積神經網絡的參數設置，沒有很明確的方法，這只是我的一些經驗。
1、learning-rate 學習速率：學習速率越小，模型收斂花費的時間就越長，但是可以提高模型精確度。一般初始設置爲0.1，然後每次除以0.2或者0.5來改進，得到最終值；
2、batchsize 樣本批次容量：影響模型的優化程度和收斂速度，需要參考你的數據集大小來設置，具體問題具體分析
3、weightdecay 權重衰減：用來在反向傳播中更新權重和偏置，一般設置爲0.005；
4、epoch-number 訓練次數：包括所有訓練樣本的一個正向傳遞和一個反向傳遞，訓練至模型收斂即可；（注：和迭代週期iteration不一樣）
而且，也不是說訓練的次數越多，測試精度就會越高，唉，我就出現了越訓練精確度越差的結果，分析後才知道是出現了過擬合，因爲預訓練的模型太複雜，而我的數據集樣本數量太少，種類太單一。