问在超参数调优过程中，简单参数是否也会发生变化？

EN

短是没有，它们不是固定的。

因为，超参数直接影响你的简单参数。因此，对于神经网络来说，隐层中没有一个是超参数，而每个层中的权重和偏差可以称为简单参数。当然，当网络的层数(超参数)本身是可变的时，不能使单个层的权重保持不变。类似地，在线性回归中，正则化超参数直接影响学习的权重。

因此，优化超参数的目标是获得一个值，从而得到这些简单参数的最佳集合。这些简单的参数是您真正关心的参数，也是用于最终预测/部署的参数。因此，调优超参数，同时保持它们的固定是毫无意义的。