知识卡片
RMSProp衰减平方历史
RMSProp 用 s←βs+(1−β)g² 保存梯度平方的指数加权平均,并用 ηg/√(s+ε) 更新参数。与 AdaGrad 累积全部历史相比,较旧的平方梯度影响会逐渐衰减;ε 用于避免分母接近零。书中代码把首次状态设为 g²,与从零初始化直接套递推的第一步不同。
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
- 优化器 3.7 RMSProp优化器 · 查看原书依据
RMSProp算法就针对这一点提出了改进
参考来源
- 位置:《用Python实现深度学习框架》第3章《优化器》,3.7 RMSProp优化器(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_030.html`)
- 结论依据:原文给出更新公式与实现代码;卡片区分公式、代码初始化及示例的限制。
- 原始内容:RMSProp算法就针对这一点提出了改进。