“从粗到细”通常是指神经网络的超参数优化，在此期间您想尝试不同的超参数组合并评估网络的性能。

但是，由于参数数量众多且其取值范围很大，几乎不可能检查所有可用的组合。出于这个原因，您通常将每个参数的可用值范围离散化为一个“粗略”的值网格（即 val = 5,6,7,8,9），以估计增加或减少该参数值的效果。在选择了看起来最有希望/最有意义的值（即 val = 6）后，您围绕它执行“更精细”的搜索（即 val = 5.8、5.9、6.0、6.1、6.2）以进一步优化。