随机梯度下降优化算法的对比以及常见选择

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。