2.7 优化器（Optimizer）

文档摘要

2.7 优化器（Optimizer） 2.7 优化器（Optimizer）在构建和训练卷积神经网络（CNN）进行图像识别时，一个至关重要的步骤是调整模型的参数（权重和偏置），使其能够准确地识别图像特征并输出正确的分类结果。这个调整参数以最小化模型预测误差（即损失函数）的过程，就是优化。而负责执行这一优化任务的算法或方法，被称为优化器（Optimizer）。 2.7.1 优化器的作用与必要性 CNN模型的训练本质上是一个求解优化问题的过程。我们定义一个损失函数（Loss Function），它衡量了模型当前预测结果与真实标签之间的差异。训练的目标就是找到一组最优的参数，使得这个损失函数的值最小。最直观的参数更新方法是梯度下降（Gradient Descent）。