课时26：动量SGD优化算法（下）

飞翔的佩奇 2025-02-22 10:54:50

课时名称	课时知识点
课时26：动量SGD优化算法（下）	通过实际案例演示动量SGD算法的优化效果及实现细节。

...全文

36 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

吴恩达系列教学码源

原标题 | 10 Gradient Descent Optimisation Algorithms + Cheat Sheet作者 | Raimi Karim in Towards Data Science译者 | 斯蒂芬•二狗子（沈阳化工大学）、intelLigenJ（算法工程师）、星期五、莱特•诺顿、沧海一升本文编辑：王立鱼英语原文：https://towardsdatascience.com...

《最优化理论基础》8课时层次化教案详细介绍了最优化理论的核心概念、经典算法实现及其在机器学习中的应用。课程分为理论奠基和算法实践两部分，涵盖最优性条件、凸分析、对偶理论、KKT条件等基础理论，以及梯度下降法、牛顿法、约束优化建模等算法实践。通过理论推导、代码实现和实际案例，学生将掌握优化理论的数学本质和算法核心，能够在机器学习场景中灵活应用。课程还提供了丰富的课后作业和扩展资源，帮助学生深入理解和实践。

《最优化理论基础》8课时模块化教案详细介绍了最优化理论的基本概念和应用。课程分为四个模块：最优化问题分类、无约束优化、约束优化和应用专题。每个模块包含具体的教学目标、课堂内容和评估方式。课程通过数学推导、几何解释和实际案例分析，帮助学生掌握优化问题的分类、无约束和约束优化方法，以及在深度学习中的应用。教学工具建议包括可视化工具和数值实验平台，评估方式结合课堂互动和期末考试。

梯度更新的两个小技巧 momentum ,learn rate decay

李世保的课程社区_NO_1

1

社区成员

469

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章