梯度下降法需要遍历数据集上百次，数据集越大所花费的时间越多。而现在训练的样本集越来越大，造成梯度下降法造成的时间成本非常高，难以规模化。
随机梯度下降法，是从样本集中抽出一小部分数据（随机抽出），用来做梯度下降法。这个虽然会有一点误差，但我们每次只走一小步。他速度更快，并且更容易规模化。
ADAGRAD是GSD的改进版，他自动选择了动量和学习率衰减。使用ADAGRAD通常会使学习过程对超参数不那么敏感。