在机器学习和深度学习中，**optimizer（优化器）**是用于调整模型参数以最小化损失函数的算法。其核心目标是通过迭代更新参数，使模型逐步逼近最优解。常见的优化器包括梯度下降（Gradient Descent）、随机梯度下降（SGD）、动量法（Momentum）、Adam等。它们通过计算损失函数关于参数的梯度，结合不同策略（如自适应学习率、历史梯度加权）来加速收敛并避免局部最优。优化器的选择直接影响模型训练效率与性能，需权衡收敛速度、内存消耗和超参数敏感性。例如，Adam结合了动量和自适应学习率，适用于大多数场景，而SGD可能需精细调参但泛化性更强。