网中网(NIN)结构用全连接的多层感知机去代替传统的卷积，提升了模型的计算性能，但计算量显著增加

网络层数越多，学习率可设置偏大，否则容易引起梯度消失

VGG只要很少的迭代次数就会收敛，这是因为小的过滤尺寸起到了隐式的规则化的作用

Bagging中每个训练集户不相关，而Boosting中训练集要在上一轮的结果上进行调整，所以不能并行计算