神经网络学习(二)损失函数梯度下降的那些事

本文解释了梯度作为函数变化最快方向的向量概念,以及为何在机器学习中通过梯度下降法使损失函数减小以优化模型。强调了损失函数值与模型拟合精度的关系。
摘要由CSDN通过智能技术生成

1.什么梯度

梯度是一个向量,它代表了函数在某一点上变化最快的方向和该方向上的变化率

百度上是这么说的,我的理解就是张量的导数。

2.为什么损失函数的梯度下降就能优化模型

废话,众所周知,损失函数越小,模型拟合的就越准确,所以要梯度下降,让他的梯度变小。

 

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值