论文确认了这些网络的局部极小值是不同的：
实验表明，不同的最优化方法会找到不同的极小值，即使在训练过程中非常靠后的阶段，从一种方法切换至另一种方法，也同样如此。此外，我们发现，不同最优化方法找到的极小值具有不同的形状，但这些极小值在最重要的度量——泛化精度上是相似的。
这表明，你对学习算法的选择“操纵”着算法如何得出最终结果。随机性是无所不在的，无论你如何规范自己的网络或者使用何种SGD变种算法，网络都会趋近于收敛（如果你设置了正确的随机条件）！SGD的什么性质使机器具备了学习的能力？是同分化关联的属性还是其他更一般的属性？如果我们可以让一个网络学会执行SGD，那么我们能够教会它执行这种未知的广义学习方法吗？