1.56层神经网络的效果为什么会比20层神经网络的效果差？
之所以会有这样的疑问，是因为如果56层神经网络将前20层的参数设置跟20层神经网络的一样，这样56层神经网络的能力肯定比20层神经网络的强。但实际上，层数多的神经网络并不能保证比层数少的神经网络得到更好的结果，因为梯度下降并不能总是保证找的最优的局部最小值，另外，还有梯度消失问题可能会带来的影响。
2梯度消失问题
一般而言，当神经网络很深时，接近输入层的那几层，梯度很小，而接近输出层的那几层，梯度很大。假定每一层的学习率相同，那么接近输入层的那几层学习速度会很慢，而接近输出层的那几层学习速度相对而言会要快些。因此，我们会发现，当接近输入层的那几层的参数几乎还没有什么变化，还是随机的时候，接近输出层的那几层的参数已经收敛局部最优或鞍点上了。这样，整个训练过程就会停下来，并且得不到好的结果，因为后面几层神经元的输入是前几层神经元的输出，当前面几层神经元的输出几乎还是随机值的时候，后面几层神经元虽然收敛了，但收敛只是相对于随机输入的收敛，所以这样的结果通常比较差，导致识别的性能比较差。
3L1不可导的时候该怎么办
a. 当损失函数不可导,梯度下降不再有效,可以使用坐标轴下降法,梯度下降是沿着当前点的负梯度方向进行参数更新,而坐标轴下降法是沿着坐标轴的方向,假设有m个特征个数,坐标轴下降法进参数更新的时候,先固定m-1个值,然后再求另外一个的局部最优解,从而避免损失函数不可导问题。
b. 使用Proximal Algorithm对L1进行求解,此方法是去优化损失函数上界结果.
4交叉熵损失函数的来源