深度学习——不同梯度下降法的特点比较
1、标准梯度下降法(GD)
(1)每个样本都计算一次
(2)训练速度慢
(3)容易陷入局部最优解
2、批量梯度下降法(BGD]-每批样本计算一次
(1)训练速度较快
(2)选择平均梯度最小的方向
3、随机梯度下降法(SGD)-每批样本计算一次
(1)训练速度快(不需要计算每个样本的梯度或平均梯度)
(2)从批样本随机选择一个方向下降(某次有可能不正确,最终会正确)
(3)注意:
随机下降的跨度给小相当于标准梯度下降
随机的跨度给大相当于批量梯度下降