momentum（动量）的概念源自于物理学，可理解为惯性，那么它是如何帮助我们寻找最优解的呢？
如果把梯度下降法比作是一个小球从山坡到山谷的过程，那么它具体的过程是这样的：从起始点A开始，计算当前A的坡度，沿着坡度最大的方向滑一段路，停下到B，再从B看一看周围的坡度，沿坡度最大的方向再滑一段路，再停下，重复这样的操作，直至到达山谷。但是真正的小球是这样运动的吗？真正的小球从A点滚动到B点的时候，小球带有一定的加速度，一般是不会停下来的，小球会越滚越快，更快的奔向谷底。momentum就是模拟这一过程来加速神经网络优化的。下图直观的解释了momentum的全部内容
深度学习的核心公式是
$$ w^{k+1}=w^{k}-\alpha\nabla f(w^k) $$
我们现在定义一个表达式
$$ z^{k+1}=\beta z^k+\alpha \nabla f(w^k) $$
$z^k$表示之前所有步骤所累积的动量和，$\beta$是一个使得梯度衰减的系数，这样的做法可以让早期的梯度对当前梯度的影响越来越小，如果没有衰减值，模型往往会震荡难以收敛，甚至发散，所以新的参数更新公式变为
$$ w^{k+1}=w^{k}-z^{k+1} $$
展开就是
$$ w^{k+1}=w^k - \alpha \nabla f(w^k) - \beta z^k $$
这样一步步下去，带着初速度的小球就会急速奔向谷底
我们以一个更实际例子讲解
下图是没有设置momentum的时候，网络仅仅只是更新到局部最优解就停止了，而且我们看最开始几次迭代的方向非常random，因为它更新方向仅取决于当前位置的梯度方向
下图是设置了momentum的情况，相比于没有momentum，网络更新更快，而且也几乎找到了全局最优解
但要注意，并不是所有的模型都适合加入momentum，有些加了反而速度变慢（因为考虑了之前的历史因素）
在pytorch中添加momentum参数十分方便，只需要在优化器设置函数中进行添加即可
optimizer = torch.optim.SGD(model.parameters(), args.lr, # learning_rate
momentum=args.momentum, # momentum
weight_decay=args.weight_decayt_decay) # L2-regularization但要注意，对于Adam优化器来说，它没有momentum这个参数，因为它已经内置了momentum机制，只有SGD才需要额外设置
