Momentum vs RMSprop vs ADAM ¿Cuál es mejor?

00:00 Introducción
03:21 Inicia explicación utilizando PyTorch

Código:
https://github.com/JACantoral/DL_fund...

Código para procesar MNIST:
https://github.com/JACantoral/DL_fund...

Hemos implementado una red neuronal multicapa haciendo uso exclusivamente de Python y también haciendo uso de PyTorch, en ambos casos utilizando Stochastic Gradient Descent. Sin embargo, a pesar de que funciona bien en un modelo pequeño con MNIST, en aplicaciones con bases de datos más grandes y modelos más complejos, SGD no es la mejor opción. Así tenemos métodos que hacen uso de un promedio acumulado del gradiente para actualizar los parámetros, permitiendo una convergencia más rápida a un mínimo. En este video muestro cómo implementar en PyTorch y comparo tres métodos de optimización muy importantes: SGD con Momentum, RMSProp y ADAM. En el siguiente video, explico el fundamento matemático de dichos algoritmos.


Acerca de la serie Fundamentos de Deep Learning con Python y PyTorch:
En esta serie de videos explico qué son las Redes Neuronales (Neural Networks) y qué es Aprendizaje Computacional (Machine Learning) así como Deep Learning. Empezamos con los principios matemáticos fundamentales hasta su implementación en código. Para esto, primero utilizaremos Python y Numpy para entender los principios de programación de Redes Neuronales incluyendo el algoritmo de retropropagación (backpropagation). Con estas bases, presentaremos el framework PyTorch y construiremos modelos más complejos como son Redes Neuronales Convolucionales (Convolutional Neural Networks - CNNs).

About the video series:
In this video series I will explain what Neural Networks are, and how Deep Neural Networks work, from the mathematical principles to their implementation in code. Firstly, we will use pure Python and Numpy to understand the fundamentals including backpropagation for a simple Fully Connected Network, and from there we will build on to Convolutional Neural Networks (CNN) using PyTorch. I will be uploading at least one new video every week until we reach different architectures of CNNs. Then, depending on the response and interest in the series I may cover newer models using Generative Adversarial Networks (GANs), and Recurrent Neural Networks.