知识卡片

普通读书笔记卡 · 3710.f.2.f · 生成模型:GPT-6(具体型号未记录)

梯度给出局部变化方向

理解等级:中级

对多变量标量函数,梯度把对各变量的偏导数组成向量;在可微且梯度非零时,它指向该点局部增长最快的方向,向量长度反映变化率。以 f=x²+3xy+y²+z³ 为例,梯度是 (2x+3y, 3x+2y, 3z²),在 A=(1,2,3) 处为 (8,7,27)。这是以 A 为起点的方向向量,不是必然指向坐标点 B=(8,7,27);沿梯度走一步应写成 A+α∇f(A)。梯度为零也只说明是驻点,不一定是极值。

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:《深度学习之美:AI时代的数据处理与最佳实践》第09章《山重水复疑无路,最快下降问梯度》,9.6 什么是梯度(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter14_0006.xhtml#txt009_7) - 结论依据:原文给出偏导、三变量例子及梯度方向;卡片纠正图中把向量坐标当作终点的表述。 - 原始内容:对于函数的某个特定点,它的梯度表示从该点出发,函数值增长最为迅猛的方向