但是，构建更多的前馈神经网络并不总是能够提高准确率，因为过度的深度和宽度可能导致过拟合，从而降低模型的泛化能力，使得模型在新的数据上表现不佳。自编码器网络的目标是最小化输入和输出之间的重构误差（即重构损失），并学习表示数据的潜在结构。会根据当前 epoch 的数值，以余弦函数的形式计算出一个新的学习率，该学习率会取代原先的学习率，从而实现动态调整学习率的目的。学习率调度器是深度学习中常用的工具之一