上节课讲了损失函数,损失函数是衡量模型的输出与真实标签之间的差异。有了这个差异之后,怎么使用这个loss更新模型中的参数,使得我们的loss逐步降低呢?这就是优化器的工作。
1. 什么是优化器
更新的策略,通常采用梯度下降。
导数: 方向导数: 梯度:
2. optimizer的基本属性(4个)
defaults:优化器的超参数,主要存储一些学习率、momentum的值等等 state:用来存储参数的一些缓存。例如使用momentum的时候,需要用到前几次的梯度,就存在这。 params_groups:管理参数组。是一个list。list的每一个元素是一个字典。字典中有一个'params'的key,其对应的值才是真正的参数。 _step_count:更新的次数。
3. optimizer的基本方法 |
7.1 优化器的定义、基本属性和基本方法
最新推荐文章于 2024-09-08 09:30:00 发布
本文详细探讨了优化器在深度学习中的角色,包括其定义、基本属性和常用方法,如梯度下降、动量法以及Adam等优化算法的原理与实践效果。
摘要由CSDN通过智能技术生成