为什么我要为自适应优化算法设置学习率?

像Adam、RMSProp和Adagrad这样的自适应随机优化算法以在学习权重过程中自适应地调整参数而闻名。

然而,在使用这些算法时,Keras提供了设置学习率的选项。如果自适应地找到了合适的值,为什么还要这样做呢?


回答:

Adam的这个选项并不允许你手动设置学习率本身,只能设置它的初始值。优化器会相应地调整其学习率。

我不确定其他优化器是否也是如此,但我认为应该是这样的。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注