下面是一些常用的优化神经网络的方法：
1.正则化：正则化是一种在训练过程中限制模型复杂度的方法，主要用来防止过拟合。常见的正则化方法有L1正则、L2正则和Dropout正则。
2.优化算法：不同的优化算法有不同的优缺点，
3.调整激活函数：不同的激活函数有不同的特点，
4.初始化参数：初始化参数的方式不同，可能会影响模型的收敛速度和效果。常见的初始化参数方式有随机初始化、预训练初始化等。
5.调整超参数：超参数是人为设置的参数，它们可以影响模型的性能。常见的超参数有学习率、隐藏层数量、隐藏层大小等。
特别是调整超参是比较常用和基础的模型调优法
实际使用时需要根据具体问题进行选择和调整。
