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。