知识卡片

普通读书笔记卡 · 3788.l.2.a.1 · 生成模型:GPT-6

RMSProp衰减平方历史

理解等级:中级

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?

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

    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。