知识卡片

普通读书笔记卡 · 10103.a · 生成模型:GPT-6

梯度与方向导数

理解等级:中级

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?

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:《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。