« Optimisation Adam » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| Ligne 3 : | Ligne 3 : | ||
L'algorithme d'optimisation Adam est utilisé pour la formation de modèles d'apprentissage profond. Il s'agit d'une extension de la descente de gradient stochastique. Dans cet algorithme d'optimisation, les moyennes courantes des gradients et des seconds moments des gradients sont utilisées. Il est utilisé pour calculer les taux d'apprentissage adaptatifs pour chaque paramètre. | L'algorithme d'optimisation Adam est utilisé pour la formation de modèles d'apprentissage profond. Il s'agit d'une extension de la descente de gradient stochastique. Dans cet algorithme d'optimisation, les moyennes courantes des gradients et des seconds moments des gradients sont utilisées. Il est utilisé pour calculer les taux d'apprentissage adaptatifs pour chaque paramètre. | ||
== Français == | == Français == | ||
| Ligne 12 : | Ligne 11 : | ||
<small> | <small> | ||
* [https://www.analyticsvidhya.com/glossary-of-common-statistics-and-machine-learning-terms/ Source : analyticsvidhya.com ] | * [https://www.analyticsvidhya.com/glossary-of-common-statistics-and-machine-learning-terms/ Source : analyticsvidhya.com ] | ||
Version du 2 mai 2021 à 10:55
Définition
Adaptive Moment Estimation (Adam).
L'algorithme d'optimisation Adam est utilisé pour la formation de modèles d'apprentissage profond. Il s'agit d'une extension de la descente de gradient stochastique. Dans cet algorithme d'optimisation, les moyennes courantes des gradients et des seconds moments des gradients sont utilisées. Il est utilisé pour calculer les taux d'apprentissage adaptatifs pour chaque paramètre.
Français
optimisation Adam
Anglais
Adam optimization
Contributeurs: Imane Meziani, wiki
