1.各种优化器的基础了解https://blog.csdn.net/weixin_40170902/article/details/80092628 梯度下降法： 1.标准梯度下降法：GD 每个样本都下降一次，参考当前位置的最陡方向迈进容易得到局部最优，且训练速度慢 2.批量下降法：BGD 不再是一次输入样本调整一次，而是一批量数据后进行调整，模型参数的调整更新与全部输入样本的代价函数的和有关，即下山前掌握附近地势，选择最优方向。 3.随机梯度下降法SGD 在一批数据里随机选取一个样本。如盲人下山，并与用走一次计算一次梯度，总能到山底。但引入的噪声可能使得权值更新放下错误。，没法单独克服局部最优解。 动量优化法 标准动量优化momentum 当前权值的改变会受到上一次权值改变得影响。类似小球下滚得时候带上惯性，加快滚动速度。 NAG牛顿加速梯度 施加当前速度后 ，往标准动量中添加一个校正因子。momentun小球盲目跟从梯度，但nag小球指走到坡底时速度慢下来，知道下一位置大致在哪，来更新当前位置参数。 自适应学习率优化算法 学习率对模型性能有显著影响。 AdaGrad算法 独立地适应所有模型参数地学习率。缩放每个参数反比于所有梯度历史平均值总和地平方根，具有代价函数最大梯度地参数相应地有个快速下降的学习率。小梯度的在学习率上相对较小学习率。 RMSProp 加权平均，避免学习率越来越低问题，而且能自适应地调节学习率。 AdaDelta Adam 2.代码学习https://blog.csdn.net/github_39611196/article/details/82465166
