数据特征是稀疏时 :使用自适应学习速率SGD优化方法(Adagrad、Adadelta、RMSprop与Adam),因为不需要在迭代过程中对学习速率进行人工调整。 RMSprop是Adagrad的一种扩展,与Adadelta类似,但是改进版的Adadelta使用RMS去自动更新学习速率,并且不需要设置初始学习速率。而Adam是在RMSprop基础上使用动量与偏差修正。RMSprop、Adadelta与Adam在类似的情形下的表现差不多。Adam略优于RMSprop,因为其在接近收敛时梯度变得更加稀疏。因此,Adam可能是目前最好的SGD优化方法。
下降速度 : AdaGrad,RMSProp与AdaDelta的下降速度明显快于SGD,而Adagrad与RMSProp速度相差不大快于AdaDelta。两个动量优化器Momentum,NAG初期下降较慢,后期逐渐提速,NAG后期超过Adagrad与RMSProt。
Momenum、NAG > AdaGrad,AdaDelta,RMSProp > SGD
鞍点 :自适应学习率优化器没有进入,Momentum与NAG进入后离开并迅速下降。而SGD进入未逃离鞍点。
收敛:动量优化器有走岔路,三个自适应优化器中Adagrad初期走了岔路,但后期调整,与另外两个相比,走的路要长,但在快接近目标时,RMSProp抖动明显。SGD走的过程最短,而且方向比较正确。