梯度下降法的不同變體（批量、隨機、小批量）各自適用於哪些情境？

Question

梯度下降法的不同變體及其適用情境

Accepted Answer

梯度下降法是一種常見的優化演算法，用於調整 AI 模型的參數，以最小化損失函數。它有多種變體，包括批量梯度下降（Batch Gradient Descent）、隨機梯度下降（Stochastic Gradient Descent）和小批量梯度下降（Mini-Batch Gradient Descent），每種變體都有其特定的適用情境和優缺點。

閱讀紀錄

隱藏 →

此記錄會在頁面關閉後消失

梯度下降法的不同變體（批量、隨機、小批量）各自適用於哪些情境？

Loading

你覺得這篇文章有幫助嗎？

有幫助

沒幫助

回報問題

1

0

0

分享給好友