sgd,adam和adagrad哪个好

SGD，Adam和Adagrad都是梯度下降优化算法，它们都可以用来训练神经网络。这三种算法的主要区别在于它们对学习率的调整方式不同。

• SGD(随机梯度下降)是最简单的优化算法，它每次仅使用一个样本来更新参数。
• Adam是SGD的变种，它除了使用动量项来提高收敛速度外，还使用了类似于RMSProp的变量来调整学习率。
• Adagrad是一种自适应学习率优化方法，它通过调整每个参数的学习率来提高收敛速度。

哪个更好，这取决于你的问题和模型。在许多情况下，Adam会比SGD更快地收敛，但是Adagrad在一些情况下可能会更加稳定。

综上所述,建议试试Adam作为默认的优化器。