学习率α：
β1：经验值认0.9 （用于计算Momentum中的dw 加权平均值）
β2：经验值0.9999（用于计算RMSprop中的dw⊙dw 加权平均值）
hidden units：不同层中的隐藏单元？？？？
Mini_batch_size：取决于你的先显存
e:分母常数项，防止分母为0，1e-8，就默认设置，一般不用改
layers：神经网络层数
learning decay rate：衰减率：
一般地，上述所有超参数中，红色学习率最重要，黄色、品红色次之。在应用Adam算法时，一般不用调试β1，β2，e，直接默认就行。那么超参数该如何调试呢？
假设你现在有2个超参数，a、b，预设数值的时候，一般是：1、多次粗略随机取值，2、相应多次训练、验证效果，3、最后根据训练结果精确设置超参数取值。
如下图，加入咱们通过粗略随机取值，验证后，得出结论：位置1、2、3训练效果蛮好，这时候可以适当放大取值范围到蓝色框区域，接着去精细化取值，直到
找到一个相对较好的超参数。
