文档摘要

4.2 梯度下降的三种步法 本节摘要：梯度下降（GD）是优化器的母体，它按"一次用多少数据算梯度"分成三兄弟：批量、随机、小批量。本节从"计算梯度要花多少力气"切入，讲三者在速度、稳定性与内存上的取舍，最后得出小批量在现代训练里的绝对主导地位。 上一节讲了优化器的核心命题，现在把目光从"要不要沿梯度走"转向"那句梯度到底怎么算得又快又不失真"。这就要谈到梯度下降的三个变体，它们的分野只有一个字：一次喂多少数据。 会员。《4.2 梯度下降的三种步法》收录于灏天文库文集《神经网络优化技巧：激活函数、损失函数、优化器选择》，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/499-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E4%BC%98%E5%8C%96%E6%8A%80%E5%B7%A7%E6%BF%80%E6%B4%BB%E5%87%BD%E6%95%B0%E6%8D%9F%E5%A4%B1%E5%87%BD%E6%95%B0%E4%BC%98%E5%8C%96%E5%99%A8%E9%80%89%E6%8B%A9

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