课堂笔记 - 深度学习 Deep Learning (17)

在向量中求各个方向的梯度下降:

Gradients and Directional Derivatives

假设F(x,y) = x^2 * y^3,
则梯度在x,y方向则是分别对x.y做偏微分:
http://img2.58codes.com/2024/20142783KeVI2zBpXh.png

因此当我们带入一个点时就可以得知这个点在梯度上的走势:
http://img2.58codes.com/2024/20142783OUq7Suhcgn.png

当我们做偏微分的时候其实是在计算之后带入的点x何y分别的走向,
http://img2.58codes.com/2024/201427833KxQhzJVCG.png

所以假设今天有一个单位向量v = [a,b],且要用f(x,y)去预测走势时:
http://img2.58codes.com/2024/20142783al7z6uA6NL.png

即可带入公式,也就是用项v跟f(x,y)的偏微分作内积,至于为什么作内积下一篇会讲:
http://img2.58codes.com/2024/20142783JpHJ0dT4Pd.png

最后的结果就是向量的校正值。

例题
http://img2.58codes.com/2024/20142783CQF76Ck4Sf.png

忘了先发这篇...就发Q&A了 赶快偷补


关于作者: 网站小编

码农网专注IT技术教程资源分享平台,学习资源下载网站,58码农网包含计算机技术、网站程序源码下载、编程技术论坛、互联网资源下载等产品服务,提供原创、优质、完整内容的专业码农交流分享平台。

热门文章