振幅

　　网格动作类似于特效，可以实现翻转、抖动、震荡、水波纹等效果。Cocos2D-x中，网格类的基类CCGridBase有两个子类，即CCGrid3D和CCTiledGrid3D。这两个类的共同点是，网格的每个子块都可以分离出来，CCGridBase的继承关系如下： 　　CCGrid3D、CCTiledGrid3D-->CCGridBase-->CCObject。 　　网格没有什么直接应用的场合，只要明白CCGrid3D和CCTiledGrid3D，并且网格动作是基于网格的即可。运行网格动作的节点好像被分成了大小相同的很多矩形，通过这些矩形的动作形成整体动作，这些矩形就好像形成了一个矩阵。16x12的网格将会运行的非常快，但是效果并不是非常好。32x24的网格看起来非常棒，但是在有些时候运行起来不会太快。 　　使用网格之前需要取消OpenGL的深度检测，调用如下语句： 1 CCDirector::sharedDirector()->setDepthTest( false ); 　　网格动作的使用和普通动作一样，可以使用runAction来运行动作，具体的动作如下： 　　CCShaky3D：格扭曲，create函数的参数是扭曲范围、是否扭曲z轴、格的大小、间隔时间。 　　CCWaves3D：波浪式，create函数的参数是波浪数、振幅、格的大小、间隔时间。 　　CCFlipX3D

2.1Mini-batch梯度下降 （1）例如有500万个训练样本，这时可以每1000个组成一个Mini-batch,共用5000个Mini-batch。主要是为了加快训练。 （2）循环完所有的训练样本称为（1 epoch）。 （3）使用大括号X {t} ,Y {t} 表示一个Mini-batch。（小括号（i）表示第i个样本，中括号[l]表示神经网络第l层）。 2.2理解mini-batch梯度下降法 （1）batch梯度下降时，每一次迭代代价函数都会降低（如果某一次不是，说明出问题了，可能要改变学习率），而mini-batch梯度下降时，不一定每次都降低，但是总的趋势是下降的。如下图所示： （2）Mini-batch的大小设为m（总样本数）时，变成了batch梯度下降（训练慢当样本总数大时），当设为1，变成了随机梯度下降（这时没能很好利用多样本的向量化的优势，也会导致变慢）。所示实际中选择不大不小的mini-batch尺寸，下降速度达到最快。 （3）不管是随机梯度下降还是mini-batch梯度下降都不会达到收敛，如下图所示紫色线条，所以后期需要减小学习率来使其趋向收敛。 （4）当样本数小于2000时可直接使用batch梯度下降，当样本数很大时，一般把mini-batch的大小设为2的n次方，比如64,126,512等，这样是考虑到电脑内存设置和使用方法。 （5）同第四点