#10. Оптимизаторы градиентных алгоритмов: RMSProp, AdaDelta, Adam, Nadam | Машинное обучение

Практический курс по ML на Stepik: https://stepik.org/course/209247/ Зачем нужны оптимизаторы для градиентных алгоритмов. Рассматриваются следующие эвристики: метод импульсов (momentum), импульс Нестерова (NAG), RMSProp (running mean square), AdaDelta (adaptive learning rate), Adam (adaptive momentum), Nadam (Nesterov-accelerated adaptive momentum) и диагональный метод Левенберга-Марквардта. Инфо-сайт: https://proproprogs.ru/ml Телеграм-канал: https://t.me/machine_learning_selfedu Tensorflow (градиентные алгоритмы оптимизации):    • #5. Строим градиентные алгоритмы оптимизац...   Keras (обучение сети распознаванию рукописных цифр):    • Keras - обучение сети распознаванию рукопи...