在调优Lasagne中的超参数时，可以采取以下方法：
网格搜索：通过尝试不同的超参数值组合，通过交叉验证或验证集来确定哪组参数能够获得最佳的性能。
随机搜索：与网格搜索类似，但是随机选择超参数的值进行尝试，这样可以更快地找到良好的超参数组合。
贝叶斯优化：通过使用贝叶斯优化算法来选择下一个最有希望的超参数值进行尝试，以最小化需要尝试的次数。
学习曲线分析：观察学习曲线可以帮助判断模型是否处于欠拟合或过拟合状态，进而调整超参数。
专家知识：根据自己对问题领域的专业知识和经验，选择合适的超参数范围和值。
通过以上方法，可以有效地调优Lasagne中的超参数，找到最优的模型性能。