Python Keras，随机梯度下降-参数意味着什么

我不知道随机梯度下降算法是如何详细工作的，我现在不需要知道这一点。我所知道的是，它通过计算梯度和进入局部极小值的方向来最小化损失函数。但是我在使用Keras的项目中使用随机梯度下降作为优化器，我不知道这个优化器的参数是什么意思。显然，这些参数在文档中有简短的描述，但不够具体，我仍然不理解它们的含义

你能解释一下这4个参数吗

lr: float >= 0. Learning rate.
momentum: float >= 0. Parameter that accelerates SGD in the relevant direction and dampens oscillations.
decay: float >= 0. Learning rate decay over each update.
nesterov: boolean. Whether to apply Nesterov momentum.

---

我怎样才能知道应该如何设置它们呢？

学习速率是您朝着最小值迈出的一步。如果你使用一个大的学习率，你就有超过最小学习率的风险。如果你选择它小，它将需要很长时间才能达到最低限度。学习率的良好起点是0.01，然后将其增加到0.03、0.1、0.3等。相反，随着时间的推移，学习率会下降多少。其背后的原因是，在你开始训练时，你可能希望有一个高的学习率，以快速达到最低水平。在这之后，你想要一个较小的学习率，以精确地达到最低

---

很抱歉，我对另外两个不太了解，虽然我的文字太长，无法作为评论插入

你错了，我现在不需要知道。至少读一读《代码》博图，莱昂。随机梯度下降技巧。简介：神经网络：交易技巧。施普林格，柏林，海德堡，2012年。S.421-436.如果你想以实用的方式学习这个主题，我可以建议你使用Ian Goodfello和Yoshua Bengio的“深度学习”