知识卡片
梯度下降更新参数
梯度下降按 θₜ₊₁=θₜ−η∇J(θₜ) 更新参数:J 是待减小的损失,η 是学习率。负梯度给局部下降方向,学习率决定步长;步长过大可能越过低点,过小可能进展缓慢,下降方向不保证找到全局最优。
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
- 必要的数学预备知识 · 查看原书依据
在深度学习中,我们常常使用梯度下降算法来训练模型,也就是利用梯度的信息来更新模型参数。
参考来源
- 位置:《破解深度学习(基础篇)_模型算法与实现》第2章《必要的数学预备知识》(来源项目 book-source:`extracted/破解深度学习(基础篇)_模型算法与实现/_epub-src/EPUB/xhtml/qz03_0005.xhtml`)
- 结论依据:原文和公式图提供概念与示例;交叉熵卡明确纠正原书数值误例。
- 原始内容:在深度学习中,我们常常使用梯度下降算法来训练模型,也就是利用梯度的信息来更新模型参数。