梯度下降

[实践应用] 深度学习之优化器

文章总览：YuanDaiMa2048博客文章总览深度学习之优化器1.随机梯度下降（SGD）2.动量优化（Momentum）3.自适应梯度（Adagrad）4.自适应矩估计（Adam）5.RMSprop总结其他介绍在深度学习中

YuanDaima2048·2024-09-16 04:38

数学建模、运筹学之非线性规划

数学建模、运筹学之非线性规划一、最优化问题理论体系二、梯度下降法——无约束非线性规划三、牛顿法——无约束非线性规划四、只包含等值约束的拉格朗日乘子法五、不等值约束非线性规划与KKT条件一、最优化问题理论体系最优化问题旨在寻找全局最优值

AgentSmart·2024-09-15 02:24

Python实现梯度下降法

博客：Python实现梯度下降法目录引言什么是梯度下降法？

闲人编程·2024-09-14 23:35

每天五分钟玩转深度学习PyTorch：模型参数优化器torch.optim

本文是学习第6步(优化器)，参考链接pytorch的学习路线随机梯度下降算法在深度学习和机器学习中，梯度下降算法是最常用的参数更新方法，它的公式

幻风_huanfeng·2024-09-14 23:32

深度学习算法，该如何深入，举例说明

微积分：理解梯度下降等优化算

liyy614·2024-09-11 14:12

Adam优化器：深度学习中的自适应方法

常见的优化器包括SGD（随机梯度下降）、RMSprop、AdaGrad、AdaDelt

2401_85743969·2024-09-10 18:46

如何在Java中实现高效的分布式梯度下降算法

如何在Java中实现高效的分布式梯度下降算法大家好，我是微赚淘客系统3.0的小编，是个冬天不穿秋裤，天冷也要风度的程序猿！在本文中，我们将探讨如何在Java中实现高效的分布式梯度下降算法。

省赚客app开发者·2024-09-09 08:47

2025秋招计算机视觉面试题（十一) - 为什么输入网络前要对图像做归一化

问题背景在面试的时候，面试官先问的问题是“机器学习中为什么要做特征归一化”，我的回答是“特征归一化可以消除特征之间量纲不同的影响，不然分析出来的结果显然会倾向于数值差别比较大的特征，另外从梯度下降的角度理解

微凉的衣柜·2024-09-05 20:17

在下小天n·2024-09-05 13:33

机器学习系列12：反向传播算法

当我们要运用高级算法进行梯度下降时，需要计算两个值，代价函数和代价函数的偏导数：代价函数我们之前已经知道怎么求了，现在只需要求代价函数的偏导数即可。

SuperFengCode·2024-09-04 10:40

李宏毅机器学习笔记——反向传播算法

反向传播是深度学习中最重要的算法之一，通常与梯度下降等优化算法结合使用。反向传播的基本原理反向传播的核心思想是利用链式法则（ChainRule）来高效地计算损失函数相对于每个参数的梯度。

小陈phd·2024-09-04 10:07

这项来自中国的AI研究介绍了1位全量化训练（FQT）：增强了全量化训练（FQT）的能力至1位

该研究首先从理论上分析了FQT，重点关注了如Adam和随机梯度下降（SGD）等知名的优化算法。分析中出现了一个关键发现，那就是FQT收敛

量子位AI·2024-09-02 22:16

梯度下降法

梯度下降法，最通俗易懂的解释。

小丹丹的梦想后花园·2024-09-01 14:19

Datawhale X 李宏毅苹果书 AI夏令营进阶 Task2-自适应学习率+分类

.自适应学习率1.1AdaGrad1.2RMSProp1.3Adam1.4学习率调度1.5优化策略的总结2.分类2.1分类与回归的关系2.2带有softmax的分类2.3分类损失1.自适应学习率传统的梯度下降方法在优化过程中常常面临学习率设置不当的问题

沙雕是沙雕是沙雕·2024-08-31 22:57

【ShuQiHere】从零开始实现逻辑回归：深入理解反向传播与梯度下降

本文将带你从零开始一步步实现逻辑回归，并深入探讨背后的核心算法——反向传播与梯度下降。逻辑回归的数学基础逻辑回归的目标是找到一个逻辑函数，能够将输入特征映射到一个(0,1)之

ShuQiHere·2024-08-31 02:37

梯度下降算法（Gradient Descent Algorithm）

目录一、梯度下降算法简述二、不同函数梯度下降算法表示1、一元函数2、二元函数3、任意多元函数三、梯度计算四、常见的梯度下降法1、批量梯度下降算法（BatchGradientDescent）2、随机梯度下降算法

海棠未语·2024-08-30 16:35

Datawhale X 李宏毅苹果书AI夏令营深度学习详解进阶Task02

目录一、自适应学习率二、学习率调度三、优化总结四、分类五、问题与解答本文了解到梯度下降是深度学习中最为基础的优化算法，其核心思想是沿着损失函数的梯度方向更新模型参数，以最小化损失值。

z are·2024-08-30 08:14

L1正则和L2正则

Hands-OnMachineLearning)上对L1_norm和L2_norm的解释:左上图是L1_norm.背景是损失函数的等高线(圆形),前景是L1_penalty的等高线(菱形),这两个组成了最终的目标函数.在梯度下降的过程中

wangke·2024-08-29 10:19

【ShuQiHere】SGD vs BGD：搞清楚它们的区别和适用场景

在众多优化算法中，梯度下降法是一种最为常见且有效的手段。

ShuQiHere·2024-08-28 13:20

反向传播算法：深度神经网络学习的核心机制

反向传播算法的基本概念反向传播算法结合了梯度下降优化和链式法则，通过计算损失函数关于网络参数的梯度来更新网络权重。1.损失函数

2402_85758936·2024-08-28 08:22

【机器学习】梯度下降算法

梯度下降算法这篇博客更加详细，以下只是我个人的理解梯度下降算法原理讲解——机器学习-CSDN博客梯度下降算法是一种优化算法，通过梯度下降找到函数最小值时的自变量值。

de-feedback·2024-08-27 18:50

神经网络深度学习梯度下降算法优化

【神经网络与深度学习】以最通俗易懂的角度解读[梯度下降法及其优化算法]，这一篇就足够（很全很详细）_梯度下降在神经网络中的作用及概念-CSDN博客https://blog.51cto.com/u_15162069

海棠如醉·2024-08-27 15:00

局部极小值与鞍点 Datawhale X 李宏毅苹果书 AI夏令营

当参数对损失微分为零的时候，梯度下降就不能再更新参数了，训练就停下来了，损失不再下降了，此时梯度接近于0。我们把梯度为零的点统称为临界点（criticalpoint）。

千740·2024-08-27 09:23

人工神经网络通过调整,神经网络怎么调参数

现在一般求解权值和阈值，都是采用梯度下降之类的搜索算法（梯度下降法、牛顿法、列文伯格-马跨特法、狗腿法等等），这些算法会先初始化一个解，在这个解的基础上，确定一个搜索方向和一个移动步长（各种法算确定方向和步长的方法不同

小浣熊的技术·2024-08-27 04:20

机器学习最优化方法之梯度下降

1、梯度下降出现的必然性利用最小二乘法求解线性回归的参数时，求解的过程中会涉及到矩阵求逆的步骤。随着维度的增多，矩阵求逆的代价会越来越大，而且有些矩阵没有逆矩阵，这个时候就需要用近似矩阵，影响精度。

whemy·2024-08-25 17:45

matlab实现梯度下降优化算法

梯度下降（GradientDescent）是一种常用的优化算法，用于寻找函数的局部最小值。在机器学习领域，它常被用来优化模型的参数，比如线性回归、逻辑回归以及神经网络等模型的权重和偏置。

孺子牛 for world·2024-08-25 09:13

数学基础 -- 梯度下降算法

梯度下降算法梯度下降算法（GradientDescent）是一种优化算法，主要用于寻找函数的局部最小值或全局最小值。它广泛应用于机器学习、深度学习以及统计学中，用于最小化损失函数或误差函数。

sz66cm·2024-08-24 15:25

pytorch深度学习基础 7（简单的的线性训练，SGD与Adam优化器）

接下来小编来讲一下一些优化器在线性问题中的简单使用使用，torch模块中有一个叫optim的子模块，我们可以在其中找到实现不同优化算法的类SGD随机梯度下降基本概念定义：随机梯度下降（SGD）是一种梯度下降形式

不是浮云笙·2024-08-24 05:49

Logistic 回归

文章目录1.引言2.Logistic回归概述2.1定义与应用场景2.2与线性回归的区别3.原理与数学基础3.1Sigmoid函数3.2概率解释3.3极大似然估计4.模型建立4.1假设函数4.2成本函数4.3梯度下降法

零度°·2024-08-23 21:56

python实现梯度下降优化算法

梯度下降（GradientDescent）是一种常用的优化算法，用于求解无约束优化问题。在机器学习中，它常被用来更新模型的参数以最小化某个损失函数。

孺子牛 for world·2024-08-23 15:49

机器学习·day4梯度下降

参考原文地址：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes文章目录前言一、梯度下降？

#include<菜鸡>·2024-08-23 10:20

24 优化算法

目录优化和深度学习深度学习中的挑战局部最小vs全局最小鞍点（saddlepoint）梯度消失小结凸性（convexity）凸集凸函数（convexfunction）凸函数优化凸和非凸例子小结梯度下降（gradientdescent

Unknown To Known·2024-08-22 01:31

神奇的微积分

微积分在人工智能（AI）领域扮演着至关重要的角色，以下是其主要作用：优化算法：•梯度下降法：微积分中的导数被用来计算损失函数相对于模型参数的梯度，这是许多机器学习和深度学习优化算法的核心。

科学的N次方·2024-03-19 05:14

深度学习——梯度消失、梯度爆炸

为什么神经网络优化用到梯度下降的优化方法？深度网络是由许多非线性层(带有激活函数)堆叠而成，每一层非线性层可以视为一个非线性函数f(x)，因此整个深度网络可以视为一个复合的非线性多元函数

小羊头发长·2024-03-14 12:07

【机器学习】多元线性回归

文章目录多元线性回归模型（multipleregressionmodel）损失/代价函数（costfunction）——均方误差（meansquarederror）批量梯度下降算法（batchgradientdescentalgorithm

Mount256·2024-02-23 07:25

吴恩达机器学习全课程笔记第一篇

目录前言P1-P8监督学习无监督学习P9-P14线性回归模型成本（代价）函数P15-P20梯度下降P21-P24多类特征向量化多元线性回归的梯度下降P25-P30特征缩放检查梯度下降是否收敛学习率的选择特征工程多项式回归前言从今天开始

亿维数组·2024-02-20 21:37

吴恩达机器学习全课程笔记第二篇

目录前言P31-P33logistics（逻辑）回归决策边界P34-P36逻辑回归的代价函数梯度下降的实现P37-P41过拟合问题正则化代价函数正则化线性回归正则化logistics回归前言这是吴恩达机器学习笔记的第二篇

亿维数组·2024-02-20 21:03

机器学习之梯度下降法直观理解

形象化举例，由上图所示，假如最开始，我们在一座大山上的某处位置，因为到处都是陌生的不知道下山的路，所以只能摸索着根据直觉，走一步算一步。在此过程中，每走到一个位置的时候，都会求解当前位置的梯度，沿着梯度的负方向，也就是当前最陡峭的位置向下走一步，然后继续求解当前位置梯度，向这一步所在位置沿着最陡峭最易下山的位置走一步。不断循环求梯度，就这样一步步地走下去，一直走到我们觉得已经到了山脚。当然这样走下

华农DrLai·2024-02-20 19:47

我们一起玩AI 5 —— 偏导数与梯度下降

5秒导读，本文将讲述偏导数，梯度，方向导数，与线性回归权重向量θ的求法大家好，我是玩ai时长两年半的个人程序猿ASRay，喜欢读，写，编程，数学....板砖！要理解什么是偏导数，就必须先明白“鸡你太美”的奥义，这可不是瞎扯！因为偏导数指的是多元函数对某个自变量如y或x的导数，而鸡的眼睛长在侧边，当鸡看一个立体的函数，它只能看见一个面，所以鸡眼多元函数的导数正是偏导数！不过在开始偏导数前我们先回顾一

ASRay明日丽科技·2024-02-20 18:11

【面经——《广州敏视数码科技有限公司》——图像处理算法工程师-深度学习方向】

数据增强梯度下降法的优化算法有哪些，各有什么优缺点？损失函数有哪些？优缺点

有情怀的机械男·2024-02-20 15:30

机器学习中梯度下降法的缺点

机器学习中的梯度下降法是一种寻找函数最小值的优化算法，广泛应用于训练各种模型，尤其是在深度学习中。

华农DrLai·2024-02-20 08:08

Pytorch-Adam算法解析

Adam算法结合了两种扩展式的随机梯度下降法的优点，即适应性梯度算

肆十二·2024-02-20 07:30

深度学习从入门到不想放弃-7

)今天讲的也算基础（这个系列后来我一寻思，全是基础），但是可能要着重说下，今天讲前向计算和反向传播，在哪儿它都永远是核心，不管面对什么模型前向计算：有的叫也叫正向传播，正向计算的，有的直接把前向的方法梯度下降当成前向计算的名字

周博洋K·2024-02-20 06:21

深度学习之梯度下降算法

梯度下降算法梯度下降算法数学公式结果梯度下降算法存在的问题随机梯度下降算法梯度下降算法数学公式这里案例是用梯度下降算法，来计算y=w*x先计算出梯度，再进行梯度的更新importnumpyasnpimportmatplotlib.pyplotaspltx_data

温柔了岁月.c·2024-02-20 01:57

深度学习之反向传播算法（backward()）

文章目录概念算法的思路概念反向传播（英语：Backpropagation，缩写为BP）是“误差反向传播”的简称，是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。

Tomorrowave·2024-02-20 01:27

GAN生成对抗性网络

原理出发点：机器学习中生成模型的问题无监督学习是机器学习和未来人工智能的突破点，生成模型是无监督学习的关键部分特点：不需要MCMC或者变分贝叶斯等复杂的手段，只需要在G和D中对应的多层感知机中运行反向传播或者梯度下降算法模型通常使用神经网络

Dirschs·2024-02-19 23:19

机器学习中为什么需要梯度下降

在机器学习中，梯度下降是一种常用的优化算法，用于寻找损失函数的最小值。我们可以用一个简单的爬山场景来类比梯度下降的过程。假设你被困在山上，需要找到一条通往山下的路。

华农DrLai·2024-02-19 23:16

【吴恩达·机器学习】第二章：单变量线性回归模型（代价函数、梯度下降、学习率、batch）

博主简介：努力学习的22级计算机科学与技术本科生一枚博主主页：@Yaoyao2024每日一言:勇敢的人，不是不落泪的人，而是愿意含着泪继续奔跑的人。——《朗读者》0、声明本系列博客文章是博主本人根据吴恩达老师2022年的机器学习课程所学而写，主要包括老师的核心讲义和自己的理解。在上完课后对课程内容进行回顾和整合，从而加深自己对知识的理解，也方便自己以及后续的同学们复习和回顾。课程地址2022吴恩达

Yaoyao2024·2024-02-19 14:41

Pytorch-SGD算法解析

肆十二·2024-02-19 14:10

推荐频道