iT邦幫忙

第 11 屆 iThome 鐵人賽
DAY 11
0
AI & Data

漫談機器學習與Tensorflow初探系列 第 11 篇

梯度下降法(Gradient Descent)

11th鐵人賽
589 瀏覽

  • 分享至 

  • xImage
    •  

在上一篇文章中，我們將最佳化作為在參數空間中的搜索。然後介紹了損失函數，來當作比較這些點的一種方法。那麼，如何利用損失函數轉化為搜索策略呢？那就是梯度下降法。

梯度下降法

https://ithelp.ithome.com.tw/upload/images/20190928/20115480dMGuavSZHD.png

梯度下降法定義為在參數空間的所有點上使用損失函數製造的平面上往下走的過程。


上一篇
損失函數-機器學習基礎
下一篇
模型缺陷優化
系列文
漫談機器學習與Tensorflow初探 共 19 篇
  1. 15
    什麼是Tensorflow?－Tensorflow初探
  2. 16
    Tensorflow之API與架構-Tensorflow初探
  3. 17
    惰性求值(lazy evaluation)-Tensorflow初探
  4. 18
    圖表(graph)與對談(session)
  5. 19
    對張量求值與圖表視覺化-tensorflow初探
完整目錄
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言
iThome鐵人賽
參賽組數
1064 組
團體組數
40 組
累計文章數
22190 篇
完賽人數
601 人
iT+看影片追技術 看影片追技術 看更多
熱門tag 看更多
15th鐵人賽 16th鐵人賽 13th鐵人賽 14th鐵人賽 12th鐵人賽 11th鐵人賽 鐵人賽 2019鐵人賽 javascript 2018鐵人賽 python 2017鐵人賽 windows php c# windows server linux css react vue.js
熱門問題
熱門回答
熱門文章
IT邦幫忙