知识卡片
梯度与参数更新
损失函数把模型预测与目标的差异转为一个数。梯度汇集损失对各个参数的偏导,表示各参数变化对损失的局部影响。对矩阵参数,书中的梯度与参数形状相同,以便逐元素更新;梯度本身并不是更新后的参数。
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
- 神经网络的复习 · 查看原书依据
将关于向量各个元素的导数罗列到一起,就得到了梯度
参考来源
- 位置:《深度学习进阶:自然语言处理》第1章《神经网络的复习》(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0006_split_003.html)
- 结论依据:正文对概念或实验条件作出了对应说明。
- 原始内容:将关于向量各个元素的导数罗列到一起,就得到了 梯度