知识卡片
先算单样本梯度再累加
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?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 4-1 梯度下降法的回顾 4-1 梯度下降法的回顾 · 查看原书依据
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。
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。