本次学习主要针对自适应学习率；介绍了Adagrad，RMSprop和Adam优化器
1、为什么需要自适应学习率：
训练一个网络，在走到临界点的时候损失不再下降，而梯度并没有变得很小。相当于下坡路在两步之间，而步子迈大了，直接把下坡路跳过了，又走到上坡路上了。在这时候就需要把学习率（步幅）调低一点让梯度继续下降。
但是常规的 学习率下降方法是不够用的，我们希望在梯度大的时候走慢点，在梯度小的时候走快点，所以需要引入自适应学习率
2、Adagrad
Adagrad就可以做到上述的功能。更新公式：
其中η/σ这一项是不断更新的学习率，σ又随着迭代不断更新，新的σ来自之前每次迭代的梯度。根据公式可以看到梯度g小了，σ就小了，η/σ就大了，反之亦然。
3、RMSprop
公式：
可以看到每一阶段的σ都来自于继承于前一阶段，所以这种算法也是包含了过往所有的梯度信息，与Adagrad不同的是α是一个可以调整的超参数，可以根据需要来调整当前梯度的重要程度，如果设置α比较小，则代表比较侧重于当前梯度，在梯度下降大的时候可以很快的刹车。
4、Adam
Adam 可以看作 RMSprop 加上动量，其使用动量作为参数更新方向，并且能够自适应调整学习率。
5、学习率退火、预热
在训练后期遇到了梯度很小，而距离很近的情况时，积累的σ会变得很小，步伐会变得很大，导致往其他方向走，虽然能够修正回来，但是我们希望避免这种情况
因此引入学习率退火，即实时调整η大小，让η随着迭代不断变小，步伐也可以不断变小。
预热的方法是让学习率先变大后变小
##########################
本次学习了不同优化器调整学习率的策略，在我做课题的时候一般都是用Adam，问了别人也都说时Adam最好用，通过本次学习深入了解了它为什么好。通过查询资料了解到RMSprop更适合CNN网络，因为RMSprop 的平滑效果有助于加快收敛速度，以及RNN，因为这些模型的梯度更新具有较强的波动性；Adagrad更适合例如文本分类、自然语言处理（NLP）中的词嵌入训练等场景，因为不同的词汇或特征可能出现的频率差异很大。