神经网络-SGD-2

接上节：

3、梯度（gradient）：

def numerical_gradient(f,x):

　　h=1e-5

　　grad=np.zeros_like(x)

　　for index_x in range(x.size):

　　　　tmp=x[index_x]

　　　　x[index_x]=tmp+h

　　　　fxh1=f(x)

　　　　x[index_x]=tmp-h

　　　　fxh2=f(x)

　　　　grad[idx]=(fxh1-fxh2)/(2*h)

　　　　x[index_x]=tmp

　　return grad

 

转载于:https://www.cnblogs.com/Dai-py/p/10636782.html