把单元格里的内容区分出两段设置成变量

在给定的引用[1]中，关于训练过程的部分提到了如何设置一些关键参数以优化深度学习模型。可以将这些信息分割为两个变量：

1. 训练参数：
- **批次大小** (batch size): batch = 64
- **子分区** (subdivision): subdivision = 8
- **类别数量** (classes): class = 4
- **特征图滤波器** (filters): filters = (class + 5) * 3

2. 学习率调整策略：
- 初始学习率 (Learning rate, lr): 可能从某个值开始，比如未直接给出但通常会逐渐降低
- 权重衰减 (L2正则化, decay): decay = 0.0005
- 学习率降低点: batches = 8000时 lr = 0.0001
- 损失值收敛情况: loss稳定在0.5附近，模型在batches=10000时停止训练。

至于将单元格中的内容具体转化为Python代码来表示这些变量，可能需要一个假设的环境，因为原文并未明确提到具体的存储方式。但这里可以简单地创建一个字典或类来存储这些信息：

# 假设这是在一个项目配置文件中
training_config = {
    "batch_size": 64,
    "subdivisions": 8,
    "classes": 4,
    "filters": lambda classes: (classes + 5) * 3,  # 使用lambda表达式动态计算
    "initial_learning_rate": None,  # 实际值需根据文献补充
    "weight_decay": 0.0005,
    "learning_rate_drop_at": 8000,
    "loss_convergence_threshold": 0.5,
    "epochs_stop": 10000,
}

# 如果需要访问某个参数，可以直接调用配置字典
batch_size = training_config["batch_size"]

相关问题：
1. 如何在实际训练过程中应用这些参数？
2. 如何动态地根据损失值调整学习率？
3. 字典`training_config`中的`filters`是如何工作的？