第二周：优化算法 (Optimization algorithms)
2.1 Mini-batch 梯度下降（Mini-batch gradient descent）2.2 理解 mini-batch 梯度下降法（Understanding mini-batch gradient descent）2.3 指数加权平均数（Exponentially weighted averages）2.4 理解指数加权平均数（Understanding exponentially weighted averages ）2.5 指 数 加 权 平 均 的 偏 差 修 正 （ Bias correction in exponentially weighted averages ）2.6 动量梯度下降法（Gradient descent with Momentum ）2.7 RMSprop( root mean square prop)2.8 Adam 优化算法(Adam optimization algorithm)2.9 学习率衰减(Learning rate decay)2.10 局部最优的问题(The problem of local optima)Optimizationopt_utils.pytestCases.py
Last updated
Was this helpful?