第一类:基于梯度和moment(核心:衰减 )
适用于一般的任务,有一个好的初始化值,收敛到全局或者局部的最优解;
SGD(Stochastic Gradient Descent)(直接梯度下降)
momentum(历史值在更新重占有一定的权重)
NAG(Nestero Accelerate Gradient)(超前一次计算,然后再来更新)
ASGD 空间换时间的一种SGD
第二类:自适应更新adaptive(核心:不同权重的参数的更新)
更新频率和更新量大的参数,适当减小步长(通过梯度倒数来实现),更适用于分布不均衡的任务,一般任务也可,收敛到全局或者局部最优解;
Adgrad(直接用梯度倒数,如果梯度太大有可能出现更新量太小的情况)
RMSprop(Root Mean Square 对梯度进行现有梯度和之前梯度占比的调整从而进行衰减,之后再取得倒数,这样减少Adgrad的情况)
Adadelta(更新量单位的问题,分子分母进行统一)
第三类:基于moment和基于adaptive的结合(核心:利用一阶梯度和二阶梯度、权重和衰减的设计)
结合了moment和自适应的一些优点,但是不是完全,计算量稍微大一些;
Adam(记录了梯度的期望一阶矩,和梯度二阶矩平方值的期望,再进行带倒数权重的衰减)
Adamax(把Adam二阶矩改成无穷矩,数值上更加稳定)
Nadam(Nesterov和Adam的结合,既超前又结合了动量和自适应)
第四类:牛顿算法的优化
BFGS
LBFGS
其它:Rprop:弹性反向传播,适用于fullpatch;
一般情况自适应要比SGD的更快的收敛;
常用的Adam和SGD理解起来比较简单,也更容易找问题,优化算法是为了找到最优解,在一些特定情况,一些特定的算法可以发挥作用,如果对训练时间无要求,一般情况下没必要使用特别复杂的优化算法;
具体原理可参考: