मॉडल वास्तव में कैसे सीखते हैं, सादे ग्रेडिएंट डिसेंट से लेकर Adam तक
Adam और AdamW भार क्षय को संभालने के तरीके में भिन्न हैं। Adam एक L2 दंड को अनुकूली ग्रेडिएंट अद्यतन में मिला देता है। AdamW भार क्षय को एक अलग संकुचन कदम के रूप में लागू करता है।
🔒 This is a Pro lesson — the interactive figure, worked examples, quiz and practice open with Pro access.
▶ Adam बनाम AdamW