知识卡片
Adam结合动量与缩放
Adam 是自适应优化器,结合梯度方向的动量估计与按梯度大小调整的参数尺度。它既利用过去梯度对方向的影响,又允许不同参数采用不同的有效更新尺度;动量统计带符号的梯度以保留方向,平方梯度统计主要反映尺度,因此两者不会简单抵消。具体超参数和实现细节需要按所用框架核对。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 深度学习基础 3.3.3 Adam · 查看原书依据
最常用的优化策略或优化器(optimizer)是Adam(Adaptive moment estimation)[7].Adam 可以看作RMSprop加上动量,它使用动量作为参数更新方向,并且能够自适应调整学习率.PyTorch里面已经写好了 Adam 优化器,这个优化器里面有一些超参数需要人为设定,但是往往用PyTorch预设的参数就可以了.
参考来源
- 位置:《深度学习详解》第3章《深度学习基础》3.3.3 Adam(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter03.xhtml`)
- 结论依据:原文分析学习率、梯度统计和调度,公式图像已核验。
- 原始内容:最常用的优化策略或优化器(optimizer)是Adam(Adaptive moment estimation)[7].Adam 可以看作RMSprop加上动量,它使用动量作为参数更新方向,并且能够自适应调整学习率.PyTorch里面已经写好了 Adam 优化器,这个优化器里面有一些超参数需要人为设定,但是往往用PyTorch预设的参数就可以了.