3-2 梯度与反向传播

过于真实呢

于 2024-07-05 01:09:41 发布

阅读量456

点赞数 8

分类专栏： jj的ai之路文章标签：自然语言处理人工智能

本文链接：https://blog.csdn.net/weixin_62115482/article/details/140162903

版权

3-2 梯度与反向传播

主目录点这里
梯度的含义
在这里插入图片描述
可以看到红色区域的变化率较大，梯度较大；绿色区域的变化率较小，梯度较小。
在二维情况下，梯度向量的方向指向函数增长最快的方向，而其大小表示增长的速率。
梯度的计算

当然我们不必学太深的纯运算，来看看python是怎么解决的

import numpy as np
import matplotlib.pyplot as plt
import sympy as sp
def gradient(f, variables, point):
    gradients = [sp.diff(f, var) for var in variables]
    gradient_at_point = [grad.evalf(subs=dict(zip(variables

最低0.47元/天解锁文章