優化器在深度學習中是一類用於調整模型參數的算法，主要目標是最小化損失函數。
這些算法在訓練神經網絡時通過計算梯度並更新參數來不斷調整模型，通過多次迭代，優化器能夠逐漸減小損失函數值，使模型更快地收斂和擬合訓練數據，同時有助於避免局部最優點，提高模型的泛化能力。優化器在每次更新時考慮優化方向和步長，即梯度或動量以及學習率，一些優化器還涉及一階動量和二階動量的計算。常見的優化器包括隨機梯度下降、帶動量的隨機梯度下降、Adam優化器等。
另外，查詢優化器是關係型數據庫管理系統（如SQL Server）中的一箇組件，它負責生成針對特定查詢的有效執行計劃，決定使用哪些索引和關聯算法來高效執行查詢。