梯度下降法限制
在使用傳統的梯度下降法，在下降的過程中，由於非常依賴當前的損失地形，在某些情況下，可能會有飄動不穩定的問題產生，舉例來說，在山裡面遇到比較蜿蜒且陡峭的地形，會遇到在那邊繞圈圈，而找不到真正可下山的路徑，造成收斂效率降低，為了要改善傳統梯度下降法的效率，就會有momentum的概念進行修正。
動量(momentum)介紹
什麼是momentum呢?momentum是力學的概念，定義為質量乘上速度，假設同一個物體，質量都相同，速度越快，則會造成momentum越大，速度越小，則會造成momentum越小。
速度會直接影響momentum的大小，其中速度為加速度累積的結果，綜合所有物體加速度的值，最終就可以得到物體的速度。
舉例來說，車子一直踩油門，一直有加速，速度就會快，momentum就會大。車子一直剎車，一直減速，速度就會慢， momentum就會小。
因此，momentum其實也可以看做是加速度的累積的結果。
梯度下降法的動量(momentum)
在梯度下降法的momentum修正是如何定義的呢?Momentum是梯度累積的結果。會將不同時刻的梯度，不斷累加起來，最終得到累加的結果。
我們以力學觀點來想像梯度，其實梯度就可以看成是加速度，momentum就是速度。梯度一直很大，就可以想像成一直加速，最終momemtum就會大。梯度一直很小，就可以想像成是一直減速，momentum就會小。
其實梯度也是有方向性，momentum在累積之後，也是會有累積梯度的方向。方向的累積，舉例來說，如果一個物體一下往東走，一下又往北走，則綜合累積的方向就是會指向東北。
動量梯度下降法效益
對於要快速下降至谷底的目標而言，谷底代表訓練損失最小，代表我們可得到訓練完成的模型。
如何才可快速下降到谷底呢?有兩大要素分別是需要找到對的方向 以及 快速向前走。
找到對的方向指的是可以往谷底下降的方向，快速向前走指的是可把步伐邁開，快步前進。
Momentum的效果是
1.因為有累積梯度的方向，所以具有穩定方向的效果，更可以朝對的方向下山。
這是因為傳統梯度下降法只根據當前地形進行下降，如果在很蜿蜒的地形，其實梯度會一直變化，就會造成會在這個地形繞來繞去。使用動量修正，不會只依照當前梯度下降，會有累積的梯度下降，所以在比較蜿蜒的地形時，反而可以穩定方向，持續往山谷下降。
2.因為綜合累積梯度，所以可以更快速下降。
因為梯度就可看成是加速度，有很多梯度累積起來，下降速度就會越來越快。
就好像一顆球往山裡面滾，因為有慣性效果，越滾到後面，速度會越快的效果，越快到達山谷。
結論
本篇文章介紹梯度下降法的動量修正概念，而一般在機器學習的最佳化求解器，也會有此修正概念，接下來我們會逐一介紹不同的梯度下降方式，希望大家了解原理後，更可以在實作當中，選擇更適當的方法，更有效率完成開發。