知识卡片
梯度与方向导数
可微函数的梯度由各坐标方向的偏导数组成。沿单位方向 d 的方向导数是梯度与 d 的内积,即梯度在该方向的投影;因此非零梯度指向局部上升最快的方向,负梯度指向局部下降最快的方向。梯度为零的驻点在所有方向的一阶变化率为零,但仅凭这一点不能认定它是最小值。
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
- 计算图 2.3 函数优化与梯度下降法 · 查看原书依据
梯度的第一分量是函数对自变量第一分量的偏导数
参考来源
- 位置:《用Python实现深度学习框架》第2章《计算图》,2.3 函数优化与梯度下降法(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_017.html`)
- 结论依据:原文定义相应概念,并以计算图或函数曲面解释其用途和局部范围。
- 原始内容:梯度的第一分量是函数对自变量第一分量的偏导数。