在神经网络中，我们有诸如动量、学习率、激活函数等参数。所以我的问题是，为了创建一个优秀的深度神经网络，应该选择哪些参数？另外，是否有基于此选择参数的标准？

回答：

这个问题有点复杂，我不确定你的问题格式是否适合StackOverflow，因为它不一定是一个编程问题。

然而，选择超参数是机器学习中最大的挑战之一。没有一个正确答案可以告诉你“X和Y会比Z和W给你更好的结果”，因为这个问题涉及到很多因素。你尝试进行什么样的建模，你的目标是什么，你的数据是什么，等等。

我建议的第一部分紧跟上面我的问题“你的目标是什么”。如果是分类、回归或其他什么。一旦你能回答这个问题，你可能需要确定你的损失函数。这本身就是一个挑战，但这里是我提供的一个链接，它对不同的损失函数及其使用进行了很好的概述：https://machinelearningmastery.com/how-to-choose-loss-functions-when-training-deep-learning-neural-networks/

其次，确定其他参数是一个完全不同的挑战。从批量大小、学习率、优化器等方面来看，永远不可能得到一个明确的答案。然而，一些技术使用网格搜索，本质上是你在循环式序列中运行你的模型，测试所有你想尝试的可能参数。Keras调谐器就是这样一种可以做到这一点的工具。

总的来说，我认为你应该对深度学习这个主题进行进一步的研究。https://www.deeplearning.ai/ai-notes/optimization/这里是一个有帮助的链接，可以提供一些见解。