是的。本质上，您可以初始化的任何参数（在训练神经网络模型之前）都可以被视为超参数。这包括优化器的超参数（例如，SGD、Adam 等）：学习率、衰减率、步长和批量大小；以及模型的超参数 (CNN)：层数、每层的单元数、每层的辍学率、L2（或 L1）正则化参数、激活函数类型（ReLU、Sigmoid、Tanh），如果你是在处理 CNN 时，还有额外的超参数，例如与卷积层相关的超参数：窗口大小、步幅值和池化层。您可以初始化和调整更多的超参数。例如，看看这个列表。

深度神经网络的超参数： - 迭代次数 - 神经网络中的层数 LL - 每层中隐藏单元的数量 - 学习率 α - 步长 - 激活函数的选择 - 损失函数 - 小批量大小 -动量 - 正则化 - 退出率 - 权重衰减