一种用于快速图像分类问题的分布式模型训练算法

本发明公开了一种用于快速图像分类问题的分布式模型训练算法，包括：图像数据的准备与分布；模型初始化；分布式模型训练；模型评估和性能优化。所训练的分布式模型是一种基于Nesterov加速的自适应矩估计算法，即NGTAdam算法，包括：初始化参数；计算梯度，并基于梯度跟踪法更新梯度估计器；更新一阶矩估计向量，更新二阶矩估计向量；自适应更新学习率；更新临时变量和Nesterov动量变量；基于梯度下降法更新估计解。此外，本发明还公开了NGTAdam算法的理论收敛上界保证算法收敛。本发明提出的方法注重实时决策和动态优化，能够高效求解大规模在线优化问题，适用多种场景，解决了现有图像分类算法在训练大规模图像数据时速度慢、准确性不佳等问题。