1.1 动量梯度下降法（Gradient descent with Momentum）

优化成本函数J，还有一种算法叫做 Momentum，或者叫做动量梯度下降法，运行速度几乎总是快于标准的梯度下降算法，简而言之，基本的想法就是计算梯度的指数加权平均数，并利用该梯度更新你的权重。

使用动量梯度下降法，你需要做的是，在每次迭代中，确切来说在第t次迭代的过程中，需要计算微分dw，db，用现有的 mini-batch 计算dw，db，v_dw=βv_dw+(1-β)dw，接着同样地计算vdb ，v_db=βv_db+(1-β)db，然后重新赋值权重，w: = w − av_dw，同样b: =a−av_db，这样就可以减缓梯度下降的幅度。所以有两个超参数，学习率α以及参数β，β控制着指数加权平均数，β最常用的值是0.9，我们之前平均了过去十天的温度，所以现在是平均了前十次迭代的梯度，v_dw初始值是 0，要注意到这是和dw拥有相同维数的零矩阵，也就是跟w拥有相同的维数，v_db的初始值也是向量零，所以和db拥有相同的维数，也就是和b是同一维数，这个算法要好于没有 Momentum 的梯度下降算法。

1.2 RMSprop

 

动量（Momentum）可以加快梯度下降，还有一个叫做 RMSprop 的算法，全称是 root mean square prop 算法，它也可以加速梯度下降，减缓b方向的学习，即纵轴方向，同时加快横轴方向的学习，RMSprop 算法可以实现这一点。

 

在第t次迭代中，该算法会照常计算当下 mini-batch 的微分dw，db，所以我会保留这个指数加权平均数，我们用到新符号S_dw，因此S_dw=βS_dw+(1-β)dw²，同样S_db=βS_db+(1-β)db²，接着 RMSprop 会这样更新参数值：，在横轴方向或者在例子中的w方向，我们希望学习速度快，而在垂直方向，也就是例子中的b方向，我们希望减缓纵轴上的摆动，所以有了S_dw和S_db，RMSprop 的影响就是你的更新最后会变成纵轴方向上摆动较小，而横轴方向继续推进。

1.3 Adam 优化算法(Adam optimization algorithm)

 

Adam 优化算法基本上就是将 Momentum 和 RMSprop 结合在一起，使用 Adam 算法，首先你要初始化，v_dw= 0，S_dw= 0，v_db= 0，S_db= 0，在第t次迭代中，你要计算微分，用当前的 mini-batch 计算dw，db；接下来计算 Momentum 指数加权平均数，所以：v_dw=β₁v_dw+(1-β₁)dw （使用β1，这样就不会跟超参数β2混淆，因为后面 RMSprop 要用到β2），同样：v_dwb=β₁v_db+(1-β₁)db ；接着你用 RMSprop 进行更新，即用不同的超参数β₂，S_dw=β₂S_dw+(1-β₂)dw²，S_db=β₂S_db+(1-β₂)db²。相当于 Momentum 更新了超参数β1，RMSprop 更新了超参数β2，一般使用 Adam 算法的时候，要计算偏差修正，，同样， ，S也使用偏差修正，也就是：，，，最后更新权重，所以w更新后是，根据类似的公式更新b值。

Adam 算法结合了 Momentum 和 RMSprop 梯度下降法，并且是一种极其常用的学习算法，被证明能有效适用于不同神经网络，适用于广泛的结构。β₁常用的缺省值为 0.9，这是 dW 的移动平均数，也就是dW 的加权平均数，这是 Momentum 涉及的项；超参数β₂推荐使用 0.999，这是在计算(dw)²以及(db)²的移动加权平均值，的取值建议为10^-8，但你并不需要设置它，因为它并不会影响算法表现。