目录
- 前言
- 1.adagrad
- 2.动量（Momentum）
- 3.RMSProp
- 4.Adam
附1 基于梯度的优化算法前后关系
- 附二 Gradient Descent补充
前言：
https://www.zhihu.com/question/323747423/answer/790457991
Adam本质上实际是RMSProp+动量。但如果你对随机梯度下降SGD的知识，以及Adam之前的几个更新方法一无所知。那么当你看到一个“复杂的”Adam看了就头大（请不要嘲笑初学者，当年我也觉得深度学习各个地方都超复杂）。
现在假设你对反向传播的计算梯度的内容比较了解，一旦能使用反向传播计算解析梯度，梯度就能被用来进行参数更新了
1.adagrad
2.动量（Momentum）
3.RMSProp
4.Adam
附1 基于梯度的优化算法前后关系
附二 Gradient Descent补充
https://www.jianshu.com/p/8b7105a2c242
