调参方法：网格调参
tf.layers.conv2d()中的padding参数
取值“same”，表示当filter移出边界时，给空位补0继续计算。该方法可以更多的保留图像边缘信息。当图片较小（如CIFAR-10中的32*32）时，推荐使用该选项ide
取值“valid”，表示当filter移出边界时，舍弃该filterspa
tf.layers.conv2d()中的filters参数
通常取值：图片
通常越靠后的层，咱们将它的filters取的更多一些，一是为了保留更多的信息，二是为了提取更多抽象的特征内存
tf.layers.conv2d()中的kernel_size参数和strides参数
tf.layers.max_pooling2d()中的pool_size参数和strides参数
kernel参数通常取7/5/3/1等，strides通常取3/2/1等it
通常越靠后的层，咱们将kernelsize取的越大一些，strides不变io
tf.layers.dense()中的units参数
通常取值：1024/2048/4096class
tf.train.AdamOptimizer()中的learning_rate参数
通常取值：0.001/0.01/0.1/0.0001方法
通常在训练开始时咱们将learning_rate调大让模型加速降低，在训练一段时间后咱们将learning_rate调小让模型更易收敛im
epochs参数（批次数）
这个不肯定，通常咱们写一个脚本，判断当validation accuracy不断小幅度波动时中止脚本
batch_size参数
通常取64/128/256
图片大的时候取小一点，防止炸内存（例如CIFAR-10中图片小，32*32，因此咱们能够取大一点的例如256）
理论上取大一点好
通常取2的整数次方
keep_probability参数
通常默认0.5
conv_pooling的层数
随缘，深的能力强