深度學(xué)習(xí)是人工智能的一種具有代表性的實現(xiàn)方法，以神經(jīng)網(wǎng)絡(luò)為出發(fā)點．在訓(xùn)練神經(jīng)網(wǎng)絡(luò)時，需要設(shè)置學(xué)習(xí)率來控制參數(shù)更新的速度，在模型訓(xùn)練初期，會使用較大的學(xué)習(xí)率進行模型優(yōu)化，隨著迭代次數(shù)增加，學(xué)習(xí)率會逐漸進行減小，保證模型在訓(xùn)練后期不會有太大的波動．在神經(jīng)網(wǎng)絡(luò)優(yōu)化中，指數(shù)衰減的學(xué)習(xí)率模型為L=L₀

D

G

G

0

，其中L表示每一輪優(yōu)化時使用的學(xué)習(xí)率，L₀表示初始學(xué)習(xí)率，D表示衰減系數(shù)，G表示訓(xùn)練迭代輪數(shù)，G₀表示衰減速度．已知某個知識衰減的學(xué)習(xí)率模型的初始學(xué)習(xí)率為0.6，衰減速度為12，且當訓(xùn)練迭代輪數(shù)為12時，學(xué)習(xí)率衰減為0.3，則學(xué)習(xí)率衰減到0.1以下（不含0.1）所需的訓(xùn)練迭代輪數(shù)至少為（參考數(shù)據(jù)：log₂3≈1.59）（　?。?/h1>