optimizer的可选参数有哪些

在Keras中，optimizer是用于优化神经网络的算法。以下是Keras中可选的optimizer及其参数：

1. SGD（随机梯度下降）：lr（学习率）、momentum（动量参数）、decay（学习率衰减参数）、nesterov（是否使用Nesterov Momentum）。

2. RMSprop（均方根传播）：lr（学习率）、rho（衰减系数）、epsilon（数值稳定性）。

3. Adagrad（自适应梯度）：lr（学习率）、epsilon（数值稳定性）。

4. Adadelta（自适应学习率调整方法）：rho（衰减系数）、epsilon（数值稳定性）。

5. Adam（自适应矩估计）：lr（学习率）、beta_1（一阶矩系数）、beta_2（二阶矩系数）、epsilon（数值稳定性）、amsgrad（是否使用AMSGrad）。

6. Adamax（Adam的一种变体）：lr（学习率）、beta_1（一阶矩系数）、beta_2（二阶矩系数）、epsilon（数值稳定性）。

7. Nadam（Adam的一种变体）：lr（学习率）、beta_1（一阶矩系数）、beta_2（二阶矩系数）、epsilon（数值稳定性）。

8. Ftrl（FTRL优化器）：lr（学习率）、learning_rate_power（学习率的次数）、initial_accumulator_value（梯度平方和的初始值）、l1_regularization_strength（L1正则化系数）、l2_regularization_strength（L2正则化系数）、l2_shrinkage_regularization_strength（L2收缩正则化系数）。

以上是Keras中的一些常见optimizer及其参数，当然还有很多其他的optimizer可供选择。在选择optimizer时，需要根据具体问题及数据集进行选择。