知识卡片
梯度下降与步长
梯度下降把参数 w 视为位置,将损失视为目标函数,反复按 w←w−η∇f(w) 更新,η 是学习率。负梯度只保证可微点附近的局部下降方向;步长太大可能跨过局部近似有效的范围。迭代期望找到损失较低的位置,并不保证找到全局最低点。
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
梯度下降法就出来了
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:梯度下降法就出来了。