知识卡片

普通读书笔记卡 · 10070.a.2.a · 生成模型:GPT-6

先算单样本梯度再累加

理解等级:中级

全批量代价是样本损失之和,求导的线性性允许把单个样本的梯度逐项相加。推导时可暂去样本编号,运行时要逐样本计算数值并从同一组参数求全部贡献,随后才做一次更新。

参见 [[训练代价汇总样本误差]]。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深度学习的数学》第 37 阅读项《4-1 梯度下降法的回顾》(来源项目 book-source,extracted/深度学习的数学/_epub-src/text/part0000_split_035.html) - 结论依据:原文对“偏导数的和”的解释或演示提供本卡的主要依据。 - 原始内容:也就是说,代价函数 的偏导数是从各个学习实例得到的偏导数的和。这是一个非常好的性质。