这里总结了各种优化方法，不涉及很多公式，按照各种方法提出的目的递进式地总结，帮助你的理解和记忆。
1. 批量梯度下降（BGD）
记住一点，这个方法每计算一个参数就要用到所有样本。BGD计算所有样本的平方损失和，然后求导，更新参数。更新速度慢，因为要所有样本都带入，计算总损失的梯度，计算速度受样本数量的影响；优点是能够收敛到全局最优，可以并行。
2.随机梯度下降（SGD）
为了让参数收敛的速度更快，那就不要所有样本都拿来更新梯度。怎么做？随机梯度下降按照数据生成分布抽取m个小批量（独立同分布）样本，美好的设想是希望通过计算它们梯度的均值，得到梯度的无偏估计。
while(条件未满足)：
从训练集中抽样m个样本
for i in m:
更新梯度（对每个维度都这么做）
end while
从上面的过程详解可以看出，下一个样本的损失计算依赖于前一个样本更新的参数，因为要将上个样本更新的参数代入损失函数，重新计算当前的损失，再求梯度，如此用完m个样本。因为每个点求得的梯度不一定是最优方向，这就引入了一定的随机性。随机性会使学习曲线震荡，因此SGD有必要随着时间的推移逐渐降低学习率（批量梯度则不用，因为既然梯度在快到达最优时会平缓些，那么步长也会跟着减少，不用去调学习率）。
简单地来说，SGD就是牺牲“精度”换“速度”吧。
3.小批量梯度下降（MBGD）
SGD引入噪声源，那么可以结合BGD和SGD做个折中。每次更新用一个小批量m，m比原始数据量小。每个小批量分别代入损失函数，求得总和，计算一次梯度，更新一下参数。
上述总结虽然看起来简单，但是实际上有坑，加粗的是重要细节（稍不慎就可能完全理解错），要学者自己写个简单的线性回归求梯度，然后自己按照上述三种方法模拟，体会一下。
后续继续在本篇追加 参数优化方法，包括动量、自适应学习率的方法、牛顿法和Hessian矩阵与梯度的总结，未完待续。。。。
