Machine learning 无导数梯度下降_Machine Learning_Neural Network_Deep Learning_Backpropagation_Gradient Descent

Machine learning 无导数梯度下降

machine-learning neural-network deep-learning

Machine learning 无导数梯度下降,machine-learning,neural-network,deep-learning,backpropagation,gradient-descent,Machine Learning,Neural Network,Deep Learning,Backpropagation,Gradient Descent,所以我试着去理解梯度下降，我很困惑。若你们有一条抛物线，它是随着你们改变重量而减少的。与其求x点的导数，为什么不简单地求抛物线的顶点呢？你可以。如果损失函数实际上是抛物线（或其他方便的凸函数），则可以。但更可能的是，你的损失函数是非凸的，超复杂的，你不知道它是什么。所以我们用梯度下降的方法——我们不断地采样。当你看到方便的抛物线时，这只是一个简化的图解。你可以。如果损失函数实际上是抛物线（或其他方便的凸函数），则可以。但更可能的是，你的损失函数是非凸的，超复杂的，你不知道它是什么。所以我们用梯度

所以我试着去理解梯度下降，我很困惑。若你们有一条抛物线，它是随着你们改变重量而减少的。与其求x点的导数，为什么不简单地求抛物线的顶点呢？

你可以。如果损失函数实际上是抛物线（或其他方便的凸函数），则可以。但更可能的是，你的损失函数是非凸的，超复杂的，你不知道它是什么。所以我们用梯度下降的方法——我们不断地采样。当你看到方便的抛物线时，这只是一个简化的图解。

你可以。如果损失函数实际上是抛物线（或其他方便的凸函数），则可以。但更可能的是，你的损失函数是非凸的，超复杂的，你不知道它是什么。所以我们用梯度下降的方法——我们不断地采样。当您看到方便的抛物线时，这只是一个简化的说明。

可能，datascience.stackexchange.com更适合一般的ML问题。可能，datascience.stackexchange.com更适合一般的ML问题。