随机梯度下降法（Stochastic gradient descent | SGD）

Home
AI 知识库

    # 随机梯度下降法（Stochastic gradient descent | SGD）













                                  文章目录




      ## 维基百科版本

随机梯度下降（通常缩短为SGD），也称为增量梯度下降，是用于优化可微分目标函数的迭代方法，梯度下降优化的随机近似。

2018年的一篇文章暗示Herbert Robbins和Sutton Monro在其1951年题为“随机近似方法”的文章中发展SGD。有关更多信息，请参阅随机近似。它被称为随机的因为样本是随机选择（或混洗）而不是作为单个组（如标准梯度下降）或按训练集中出现的顺序选择的。

查看详情

        2019年1月6日
        by [打不死的小强](https://easyai.tech/author/xiaoqiang/)
                    Updated: 2022年8月16日






                  -
          **
          [数学基础](https://easyai.tech/ai-definition-category/mathematical-foundation/)



                  -
          **
          [SGD](https://easyai.tech/ai-definition-tag/sgd/), [Stochastic gradient descent](https://easyai.tech/ai-definition-tag/stochastic-gradient-descent/), [随机梯度下降法](https://easyai.tech/ai-definition-tag/%e9%9a%8f%e6%9c%ba%e6%a2%af%e5%ba%a6%e4%b8%8b%e9%99%8d%e6%b3%95/)









        Thanks for your rating!

        You have already rated this article

        An error occured, please try again later



            Was This Article Helpful?


                ** 11