tensorflow 加速优化方法

1. stochastic gradient decent（CGD）

　　将data分小批放入神经网络中进行计算

　　W += -Learning rate * dx

缺点：选择合适的learning rate比较困难

　　　速度慢

　　　容易收敛到局部最优，并且在某些情况下可能被困在鞍点

2. momentum

　　模拟物理里动量的概念，积累之前的动量来替代真正的梯度。（利用斜坡的惯性）

　　m = b1 * m - Learning rate * dx

　　W += m

特点：在相关方向加速SGD，抑制振荡，从而加快收敛

　　　依靠人工设置全局学习率，中后期分母上梯度平方的累加将会越来越大，使得训练提前结束

3. adagrad

　　每一个参数的更新都有自己的学习率（不好走的鞋子）

　　v += dx^2

　　W += -Learning rate * dx / √v

特点：前期放大梯度，后期约束梯度，适合处理稀疏梯度

4. RMSProp

综合了momentum和adagrad的优势

v = b1 * v + （1 - b1） * dx^2

W += -Learning rate * dx / √v

特点：依赖于全局学习率

　　　适合处理非平稳目标 - 对于RNN效果很好

5. Adam（又快又好）

m = b1 * m + (1 - b1) * dx

v = b2 * v + (1 - b2) * dx^2

W += -Learning rate * m / √v

特点：结合了Adagrad善于处理稀疏梯度和RMSprop善于处理非平稳目标的优点

　　　对内存需求较小

　　　为不同的参数计算不同的自适应学习率

　　　也适用于大多非凸优化 - 适用于大数据集和高维空间

 6. 优化器

用于改变学习效率