Gluon 提供了一系列常用的优化器，用于训练深度学习模型。以下是 Gluon 支持的一些常见优化器：
-
SGD（随机梯度下降）：使用每个小批量样本的梯度来更新模型参数。
-
Adam（自适应矩估计）：结合了 AdaGrad 和 RMSProp 的优点，通常在很多深度学习任务中表现良好。
-
Adagrad：根据参数的频率调整学习率，对出现频率高的参数降低学习率，出现频率低的参数增加学习率。
-
RMSProp：类似 Adagrad，但引入了指数加权移动平均以减小历史梯度对当前梯度更新的影响。
-
Adadelta：与 RMSProp 类似，但不需要手动设置学习率。
-
AdamW：Adam 的一个变种，通过 L2 正则化在权重衰减上进行改进。
-
LAMB：Layer-wise Adaptive Moments optimizer for Batch training，结合 Adam 和 LARS 的优点，适用于大规模分布式训练。
-
SparseAdam：适用于稀疏参数的 Adam 优化器。
这些优化器涵盖了各种情况下的优化需求，开发者可以根据具体任务选择合适的优化器来训练模型。
