【Pytorch】0.3 Gradient Descent（笔记）

小筱舟

于 2022-12-04 23:15:56 发布

阅读量149

点赞数

CC 4.0 BY-SA版权

文章标签： pytorch 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/weixin_47577905/article/details/128179093

本文介绍了两种梯度下降方法：梯度下降和随机梯度下降。梯度下降通过求三组数据梯度的平均值进行训练，但易陷入鞍点；而随机梯度下降则针对每组数据单独计算梯度，虽然训练时间较长，但能够有效避免鞍点问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

梯度下降(Gradient Descent)

思想每一轮，求三组数据的梯度（变量为w）的平均值，梯度下降进行训练
劣势：求均值后容易陷入“鞍点”，梯度为0，w不能继续训练至最优解

在这里插入图片描述

随机梯度下降（Stochastic Gradient Descent)

思想：每一轮，三组数据分别算梯度（变量为w），w不断进行训练，相当于每一轮w更新三次
缺点：并行能力差，训练时间长
解决方案：batch*（暂时还不太理解）*

对比分析：

在这里插入图片描述

评论 1

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。