Optimization for Deep Learning

qq_30011515

于 2021-02-04 20:30:37 发布

阅读量108

点赞数

文章标签：机器学习深度学习

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。

本文链接：https://blog.youkuaiyun.com/qq_30011515/article/details/113663940

版权

本文深入探讨了在线学习（On-line）与离线学习（Off-line）的区别，并重点比较了几种常用的深度学习优化算法：SGD带动量、Adagrad、RMSProp以及Adam。这些算法在训练神经网络时，各自有其优势和适用场景。SGD是基础，动量项可以加速收敛；Adagrad解决了学习率衰减问题，但可能在某些情况下过早收敛；RMSProp通过指数移动平均解决了Adagrad的问题；而Adam结合了动量和RMSProp，表现通常更稳定。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

On-line vs Off-line
在这里插入图片描述

SGD with Momentum

Adagrad

RMSProp

Adam

Adam vs SGDM

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。