该文综述深度网络优化的多凸与块坐标下降方法，提出光滑多凸形式及BCD训练算法，具全局与R-线性收敛，实验优于Caffe各SGD变体；并涵盖两三分结构BCD、DC外推算法、近似BCD统一框架、prox-linear算法及深度线性网络线性收敛等结果。

本文强调了在深度网络训练中设计适当的损失函数的重要性，特别是在语义分割领域。作者提出了一种自动设计特定指标损失函数的方法，并介绍了可参数化函数和参数搜索中的约束。实验结果表明，所搜索的替代损失函数在其他数据集和网络上也具有良好的泛化能力，性能优于手动设计的损失函数。