Stochastischer Gradientenabstieg (SGD)
Ein iteratives Optimierungsverfahren, das zum Training von Machine-Learning-Modellen verwendet wird, indem die Modellparameter anhand des Gradienten eines einzelnen zufällig ausgewählten Trainingsbeispiels aktualisiert werden.
Kategorie: Training, Daten & Fine-Tuning
Der Stochastische Gradientenabstieg (SGD) ist eine populäre Variante des Gradientenabstiegs, die Effizienz und Rechenleistung optimiert. Im Gegensatz zum Batch-Gradientenabstieg, der den Gradienten über den gesamten Datensatz berechnet, aktualisiert SGD die Parameter nach jedem einzelnen Beispiel.
Synonyme / Tags
- SGD
- Zufälliger Gradientenabstieg
- Stochastic Gradient Descent
Die ganze Definition im Member Hub braucht ein kostenloses Konto.