首页 > 试题广场 >

Adam优化器是深度学习中常用的自适应优化算法，以下关于其核

[单选题]
Adam优化器是深度学习中常用的自适应优化算法，以下关于其核心特性的描述正确的是？ 
  • 同时跟踪梯度的一阶矩（均值）和二阶矩（方差）估计，自适应调整学习率
  • 使用固定的学习率，不随迭代过程调整
  • 仅依赖当前批次的梯度值，不积累历史梯度信息
  • 对学习率的初始值非常敏感，需要精细调参才能收敛
查看答案及解析
添加回答
活跃的芝士在被拷头像 活跃的芝士在被拷
  • 一阶矩估计（First moment）：即梯度的指数移动平均（类似于动量），用于估计梯度的均值。
  • 二阶矩估计（Second moment）：即梯度平方的指数移动平均，用于估计梯度的未中心化方差。
  • 利用这两个矩估计，Adam 会为每个参数自适应地调整学习率，使得不同参数在不同方向上可以有不同的更新步长。
发表于 2025-12-23 17:58:32 回复(0)
提交观点

问题信息

机器学习
难度：
1条回答 33浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号