momentum RMSprop Adam gradient descent介绍

momentum gradient descent,即动量梯度下降,主要是运用了加权指数移动平均(为什么是指数是因为将式子展开后呈现指数形式),将历史的梯度平均下来,这样正负方向震荡的梯度平均为0,而一直沿着某一方向的梯度在更新迭代中就会保存下来,因此相比于mini batch sgd来说,收敛更快!

 

RMSprop不再进行简单的加权指数移动平均,而是平均梯度的平方,这样最后的结果总是正值。

它假设梯度大的方向是需要削弱的方向,梯度小的方向是需要加强的方向,因此最终他会将它们相除作为分母去更新,同时加上拉普拉斯平滑。这样梯度大的方向下降小,梯度小的方向下降快,也有利于收敛。

 

Adam是momentum和RMSprop的结合,简单来说,它将momentum作为分子,将RMSprop作为分母,进行更新。

 

同时我们还要注意学习率的调整,学习率随着训练变小可以加速训练,因此学习率要变小才好。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值