深度学习的几种优化方法

原创

于 2022-05-31 21:57:37 发布 · 1.4k 阅读

·

2

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#深度学习 #人工智能

本文详细介绍了深度学习中常用的优化算法，包括SGD、SGD with momentum、Adagrad、RMSProp以及Adam。通过动量和自适应学习率的概念，解释了这些算法如何帮助模型更快地收敛到最小损失值。特别是，Adam结合了RMSProp和动量的优点，以适应稀疏梯度和防止震荡。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

开门见山，本篇博客涉及到的优化方法包括有：SGD，SGD with momentum，Adagrad，RMSProp，Adam这五种。

文中出现的一些符号的含义：

$\theta_t:$ 模型在t时刻的参数

$\nabla\L(\theta_t)$ or $g_t$ :在 $\theta_t$ 处的梯度，用于计算 $\theta_{t+1}$

$m_{t+1}$ :从第0步累积到第t步的动量，用于计算 $\theta_{t+1}$

先介绍最基础的两种优化方法：SGD和SGD with momentum

一、SGD

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。