Update 09.3-验证与测试.md (#775)

将
比如在神经网络中，训练时到底迭代多少次停止呢？或者我们设置学习率为多少何时呢？或者用几个中间层，以及每个中间层用几个神经元呢？如何正则化？这些都是超参数设置，都可以用验证集来解决。
中的“何时”
改为
“合适”

基础教程/A2-神经网络基本原理/第4步 - 非线性回归/09.3-验证与测试.md

@@ -52,7 +52,7 @@ Test Set，用来评估最终模型的泛化能力。但不能作为调参、选
 
 那么深度学习中的用法是什么呢？
 
-比如在神经网络中，训练时到底迭代多少次停止呢？或者我们设置学习率为多少何时呢？或者用几个中间层，以及每个中间层用几个神经元呢？如何正则化？这些都是超参数设置，都可以用验证集来解决。
+比如在神经网络中，训练时到底迭代多少次停止呢？或者我们设置学习率为多少合适呢？或者用几个中间层，以及每个中间层用几个神经元呢？如何正则化？这些都是超参数设置，都可以用验证集来解决。
 
 在咱们前面的学习中，一般使用损失函数值小于门限值做为迭代终止条件，因为通过前期的训练，笔者预先知道了这个门限值可以满足训练精度。但对于实际应用中的问题，没有先验的门限值可以参考，如何设定终止条件？此时，我们可以用验证集来验证一下准确率，假设只有90%的准确率，可能是局部最优解。这样我们可以继续迭代，寻找全局最优解。