在梯度下降算法中，我们是否可以在算法的每次迭代中选择不同的学习率，直到其收敛？
是的，有多种方法可以根据epochiteration或损失衍生函数来设置你的超参数。改变梯度下降中的学习率直观地意味着改变步长大小，其中一个权衡是大步长可以逃避局部最优值，但可能需要更多步长才能收敛。通常情况下，开始大步并变小步是有意义的，但有很多更优化的方法可以加速拟合和学习率标量的行为正规化