梯度检验---实例代码

在完成神经网络或softmax回归时，需要进行梯度检验。实际上，所有利用到求代价函数的偏导数的算法都需要利用到梯度检验。通过梯度检验，可以判断求得的偏导数是否正确。

梯度检验最核心的目的是，检验下面的式子是否成立：

其中，J是代价函数，g是代价函数的求导值。

至于更多梯度检验的说明，读者可以参考这篇文章

代码如下：

def simple_quadratic_function(x):
    value = x[0] ** 2 + 3 * x[0] * x[1]

    grad = np.z