Mở bài viết
Các thuật toán tối ưu Gradient Descent: SGD, Momentum, RMSprop, Adam và AdamW
Optimizer quyết định cách mạng neural dùng gradient để cập nhật trọng số. Giải thích SGD, Momentum, Nesterov, Adagrad, RMSprop, Adam, AdamW, có công thức, code.