2018-11-29 Tensorflow中的Optimizer

之前做textcnn模型训练的时候，最后会用到优化器，tensorflow提供了几种不同的优化函数，对比如下，参考了一篇文章，感觉写的很形象，链接：http://www.imooc.com/article/264477。

这些优化函数都是继承自Optimizer 的子函数。有时候遇到梯度消失，局部最优解导致收敛变慢的情况，可能是优化函数选择的不合适，或者激活函数不合适。

几个常见的

1. Gradient Decent
   这是最基础的梯度下降算法，更新权重W，不多解释。
   W += - α * dx
   其中 α是learning rate(学习速率)。我们可以把下降的损失函数看成一个机器人，由于在下降的时候坡度不是均匀的，机器人会左右摇摆，所以下降速度会比较慢，有时候遇到局部最优，还可能在原地徘徊好长时间。

2. Momentum
   顾名思义这个优化算法实际上给了一个动量，让机器人下降的的时候带一个惯性，下降的速度就加快了。
   算法如下：
   m = b1*m - α * dx
   W += m

3. AdaGrad
   这个算法是通过动态改变学习速率，提高下降速度，相当于给机器人穿上一个左右侧滑有阻力的鞋子，让它只好沿着正确的方向下滑。
   v = dx^2
   W += -(α/sqrt(v)) * dx

4. RMSProp
   这个算法相当于在AdaGrad中引入了Momentum的惯性
   v = b1 * v + (1-b1)*dx^2
   W += -(α/sqrt(v)) * dx
   但是RMSprop缺少了Momentum的变量m

5. Adam
   Adam是目前用得最广的优化算法，它结合了AdaGrad和Momentum的优点(所以叫才Adam嘛)
   m = b1m + (1-b1)dx
   v = b2v + (1-b2)dx^2
   W += -(α*m/sqrt(v)) * dx
   这个算法相当于给机器人一个惯性，同时还让它穿上了防止侧滑的鞋子，当然就相当好用用啦。