碗形结构的函数，在碗底的偏x的偏导数和偏y的偏导数都为0，为什么不通过求解偏x=0和偏y=0解出(x,y)。这样效率会不会比梯度下降算法更高了。

首页课程实战体系课手记专栏慕课教程

碗形结构的函数，在碗底的偏x的偏导数和偏y的偏导数都为0，为什么不通过求解偏x=0和偏y=0解出(x,y)。这样效率会不会比梯度下降算法更高了。

来源：2-5 线性回归的训练--二元凸函数

慕瓜2689382

2017-12-15

写回答

1回答

卫峥

2017-12-15

已采纳

现实世界不可能只是二维有可能有100维 1000维。。。

0

1

慕瓜2689382

明白了，理论上100，1000维也能通过求偏导为0解出来，不过解的过程太复杂了，高纬求偏导为0的方法很难用代码去实现，反而纬度越高，梯度下降就相对更加简单，更容易用代码实现。

2017-12-15

共1条回复

深度学习之神经网络核心原理与算法

神经网络实现／Tensorflow框架／图片分类实现

474 学习 · 69 问题

相似问题

为什么这是最后一层的误差，这不是b的偏导数吗？？

回答 1

这里的代码不明白

回答 3

使用交叉熵函数时，从您的代码中看到最后一层的delta没有涉及到激励函数的导数，但是前面网络层的delta就涉及到激励函数的导数，是这样吗？

回答 1

total_cost函数的convert值对应的数据集是不是讲错了

回答 1

请问交叉熵这里w = 0.6, b = 0.9, y = 0.82，学习率=0.15，输出为0.09使用的模型和激励函数是什么样的呢？

回答 1

打开慕课网App查看更多内容