梯度的方向

最新推荐文章于 2021-01-17 18:29:03 发布

西班牙没馅饼

最新推荐文章于 2021-01-17 18:29:03 发布

阅读量6.5k

点赞数

分类专栏：深度学习基础知识文章标签：梯度偏导数函数增长最优化数学分析

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/sinat_24091225/article/details/109079343

版权

深度学习基础知识专栏收录该内容

3 篇文章 0 订阅

订阅专栏

要明确梯度是一个向量，是一个n元函数f关于n个变量的偏导数，比如三元函数f的梯度为(fx,fy,fz)，二元函数f的梯度为(fx,fy），一元函数f的梯度为fx。然后要明白梯度的方向是函数f增长最快的方向，梯度的反方向是f降低最快的方向。

那么，为什么梯度的方向为什么是函数值增加最快的方向？

参考：

https://zhuanlan.zhihu.com/p/38525412

西班牙没馅饼

关注

0
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
梯度的方向

要明确梯度是一个向量，是一个n元函数f关于n个变量的偏导数，比如三元函数f的梯度为(fx,fy,fz)，二元函数f的梯度为(fx,fy），一元函数f的梯度为fx。然后要明白梯度的方向是函数f增长最快的方向，梯度的反方向是f降低最快的方向。那么，为什么梯度的方向为什么是函数值增加最快的方向？参考：https://zhuanlan.zhihu.com/p/38525412...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。