SGD
SGDM:利用之前的梯度跳出可能的局部极小值，类似于物理里的惯性
Adagrad:小的梯度用一个大的lr,大的梯度用一个小的lr。思考：其实lr一直在减小？只是一个相对之前一步幅度大小？
RMSProp：解决前面Adagrad的一直增大问题(前期梯度很大的话一下子就停下来了)，类似SGDM考虑之前的梯度
Adam：将SGDM与RMSProp优点结合：综合了一阶和二阶梯度的变化
相关文章：
相似解决方案
热门标签
SGD
SGDM:利用之前的梯度跳出可能的局部极小值，类似于物理里的惯性
Adagrad:小的梯度用一个大的lr,大的梯度用一个小的lr。思考：其实lr一直在减小？只是一个相对之前一步幅度大小？
RMSProp：解决前面Adagrad的一直增大问题(前期梯度很大的话一下子就停下来了)，类似SGDM考虑之前的梯度
Adam：将SGDM与RMSProp优点结合：综合了一阶和二阶梯度的变化
相关文章：