https://www.jianshu.com/p/aebcaf8af76e
1、sgd
2、动量(Momentum)
3、adagrad
大多数的框架实现采用默认学习率α=0.01即可完成比较好的收敛。
4、RMSprop
，
其中：
γ是遗忘因子（或称为指数衰减率），依据经验，默认设置为0.9。
5、adam
，
其中：
m0 初始化为0。
β1 系数为指数衰减率，控制权重分配（动量与当前梯度），通常取接近于1的值。
默认为0.9。
由于m0初始化为0，会导致mt偏向于0，尤其在训练初期阶段。
所以，此处需要对梯度均值mt进行偏差纠正，降低偏差对训练初期的影响。 vt同理。
v0初始化为0。
β2 系数为指数衰减率，控制之前的梯度平方的影响情况。
类似于RMSProp算法，对梯度平方进行加权均值。
默认为0.999
