Gradient Descent

银河旅客_

于 2023-11-16 08:39:47 发布

阅读量69

点赞数

CC 4.0 BY-SA版权

文章标签：算法深度学习

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/na__D/article/details/134433100

本文讨论了使用lossfunction构成的costfunctionJ在寻找最优权重w和偏置b时的梯度下降方法，强调了学习率对w更新的重要性，以及如何计算J(w,b)中的导数dw。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

用由loss function组成的cost function J来寻找最合适的w、b，从而降低J(w,b)

上图是gradient descent的本质：以J（w)为例，w更新就是不断用前一个w-（learning rate·导数）

这里要注意，导数用“dw”表示

如果是J（w，b）

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。