文档摘要

1.4 优化器与梯度下降的第一课 本节摘要：损失给出方向，优化器负责决定"沿这个方向走多大步"。本节把梯度下降从原始版本一路升级到 SGD、动量、RMSProp、Adam，讲清学习率、动量、自适应学习率各自解决什么问题，并给出选型节奏。 导航到 1.4，前面已经配齐了结构、非线性和量尺。现在要解决的是："每走错一个方向，该把每个参数扳回去多少？"这个"扳多少、往哪扳"的执行者，就是优化器。 会员。《1.4 优化器与梯度下降的第一课》收录于灏天文库文集《深度学习核心算法精讲：从原理到实践》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/493-%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E6%A0%B8%E5%BF%83%E7%AE%97%E6%B3%95%E7%B2%BE%E8%AE%B2%E4%BB%8E%E5%8E%9F%E7%90%86%E5%88%B0%E5%AE%9E%E8%B7%B5

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流