读书笔记:梯度法求函数的最小值 gradient_method.py ← 斋藤康毅

news2024/11/25 21:51:40

● 由多元函数全部变量的偏导数汇总而成的向量称为梯度(gradient)。梯度指示的方向是各点处的函数值减小最多的方向。
虽然梯度的方向并不一定指向最小值,但沿着它的方向能够最大限度地减小函数的值。因此,在寻找函数的最小值(或者尽可能小的值)的位置的任务中,要以梯度的信息为线索,决定前进的方向。
● 此时梯度法就派上用场了。在梯度法中,函数的取值从当前位置沿着梯度方向前进一定距离,然后在新的地方重新求梯度,再沿着新梯度方向前进,如此反复,不断地沿梯度方向前进。像这样,通过不断地沿梯度方向前进,逐渐减小函数值的过程就是
梯度法(gradient method)。梯度法是解决机器学习中最优化问题的常用方法,特别是在神经网络的学习中经常被使用。

下文给出了利用梯度法求函数 f(x_0,x_1)=x_0^2+x_1^2 的最小值的 Python 代码。


【梯度法求函数最小值的Python代码】

import numpy as np
import matplotlib.pylab as plt

def numerical_gradient_no_batch(f,x):
    h=1e-4
    grad=np.zeros_like(x)
    
    for idx in range(x.size):
        tmp_val=x[idx]
        x[idx]=float(tmp_val)+h
        fxh1=f(x)
        
        x[idx]=tmp_val-h 
        fxh2=f(x)
        grad[idx]=(fxh1-fxh2)/(2*h)
        
        x[idx]=tmp_val
        
    return grad

def numerical_gradient(f,X):
    if X.ndim==1:
        return numerical_gradient_no_batch(f,X)
    else:
        grad=np.zeros_like(X)
        
        for idx,x in enumerate(X):
            grad[idx]=numerical_gradient_no_batch(f,x)
        
        return grad

def gradient_descent(f,init_x,lr=0.01,step_num=100):
    x=init_x
    x_history=[]

    for i in range(step_num):
        x_history.append( x.copy() )

        grad=numerical_gradient(f,x)
        x-=lr*grad

    return x,np.array(x_history)


def function_2(x):
    return x[0]**2+x[1]**2

init_x=np.array([-3.0,4.0])    

lr=0.1
step_num=20
x,x_history=gradient_descent(function_2,init_x,lr=lr,step_num=step_num)

plt.plot( [-5,5],[0,0],'--b')
plt.plot( [0,0],[-5,5],'--b')
plt.plot(x_history[:,0],x_history[:,1],'o')

plt.xlim(-3.5,3.5)
plt.ylim(-4.5,4.5)
plt.xlabel("X0")
plt.ylabel("X1")
plt.show()

【程序运行结果】
运行上面代码后,可输出如下图像。

 若输入命令:

gradient_descent(function_2,init_x=init_x,lr=0.1,step_num=100)

可得如下输出结果:

(array([-7.04562775e-12,  9.39417033e-12]),
 array([[-3.45876451e-02,  4.61168602e-02],
        [-2.76701161e-02,  3.68934881e-02],
        [-2.21360929e-02,  2.95147905e-02],
        [-1.77088743e-02,  2.36118324e-02],
        [-1.41670994e-02,  1.88894659e-02],
        [-1.13336796e-02,  1.51115727e-02],
        [-9.06694365e-03,  1.20892582e-02],
        [-7.25355492e-03,  9.67140656e-03],
        [-5.80284393e-03,  7.73712525e-03],
        [-4.64227515e-03,  6.18970020e-03],
        [-3.71382012e-03,  4.95176016e-03],
        [-2.97105609e-03,  3.96140813e-03],
        [-2.37684488e-03,  3.16912650e-03],
        [-1.90147590e-03,  2.53530120e-03],
        [-1.52118072e-03,  2.02824096e-03],
        [-1.21694458e-03,  1.62259277e-03],
        [-9.73555661e-04,  1.29807421e-03],
        [-7.78844529e-04,  1.03845937e-03],
        [-6.23075623e-04,  8.30767497e-04],
        [-4.98460498e-04,  6.64613998e-04],
        [-3.98768399e-04,  5.31691198e-04],
        [-3.19014719e-04,  4.25352959e-04],
        [-2.55211775e-04,  3.40282367e-04],
        [-2.04169420e-04,  2.72225894e-04],
        [-1.63335536e-04,  2.17780715e-04],
        [-1.30668429e-04,  1.74224572e-04],
        [-1.04534743e-04,  1.39379657e-04],
        [-8.36277945e-05,  1.11503726e-04],
        [-6.69022356e-05,  8.92029808e-05],
        [-5.35217885e-05,  7.13623846e-05],
        [-4.28174308e-05,  5.70899077e-05],
        [-3.42539446e-05,  4.56719262e-05],
        [-2.74031557e-05,  3.65375409e-05],
        [-2.19225246e-05,  2.92300327e-05],
        [-1.75380196e-05,  2.33840262e-05],
        [-1.40304157e-05,  1.87072210e-05],
        [-1.12243326e-05,  1.49657768e-05],
        [-8.97946606e-06,  1.19726214e-05],
        [-7.18357285e-06,  9.57809713e-06],
        [-5.74685828e-06,  7.66247770e-06],
        [-4.59748662e-06,  6.12998216e-06],
        [-3.67798930e-06,  4.90398573e-06],
        [-2.94239144e-06,  3.92318858e-06],
        [-2.35391315e-06,  3.13855087e-06],
        [-1.88313052e-06,  2.51084069e-06],
        [-1.50650442e-06,  2.00867256e-06],
        [-1.20520353e-06,  1.60693804e-06],
        [-9.64162827e-07,  1.28555044e-06],
        [-7.71330261e-07,  1.02844035e-06],
        [-6.17064209e-07,  8.22752279e-07],
        [-4.93651367e-07,  6.58201823e-07],
        [-3.94921094e-07,  5.26561458e-07],
        [-3.15936875e-07,  4.21249167e-07],
        [-2.52749500e-07,  3.36999333e-07],
        [-2.02199600e-07,  2.69599467e-07],
        [-1.61759680e-07,  2.15679573e-07],
        [-1.29407744e-07,  1.72543659e-07],
        [-1.03526195e-07,  1.38034927e-07],
        [-8.28209562e-08,  1.10427942e-07],
        [-6.62567649e-08,  8.83423532e-08],
        [-5.30054119e-08,  7.06738826e-08],
        [-4.24043296e-08,  5.65391061e-08],
        [-3.39234636e-08,  4.52312849e-08],
        [-2.71387709e-08,  3.61850279e-08],
        [-2.17110167e-08,  2.89480223e-08],
        [-1.73688134e-08,  2.31584178e-08],
        [-1.38950507e-08,  1.85267343e-08],
        [-1.11160406e-08,  1.48213874e-08],
        [-8.89283245e-09,  1.18571099e-08],
        [-7.11426596e-09,  9.48568795e-09],
        [-5.69141277e-09,  7.58855036e-09],
        [-4.55313022e-09,  6.07084029e-09],
        [-3.64250417e-09,  4.85667223e-09],
        [-2.91400334e-09,  3.88533778e-09],
        [-2.33120267e-09,  3.10827023e-09],
        [-1.86496214e-09,  2.48661618e-09],
        [-1.49196971e-09,  1.98929295e-09],
        [-1.19357577e-09,  1.59143436e-09],
        [-9.54860614e-10,  1.27314749e-09],
        [-7.63888491e-10,  1.01851799e-09],
        [-6.11110793e-10,  8.14814391e-10],
        [-4.88888634e-10,  6.51851512e-10],
        [-3.91110907e-10,  5.21481210e-10],
        [-3.12888726e-10,  4.17184968e-10],
        [-2.50310981e-10,  3.33747974e-10],
        [-2.00248785e-10,  2.66998379e-10],
        [-1.60199028e-10,  2.13598704e-10],
        [-1.28159222e-10,  1.70878963e-10],
        [-1.02527378e-10,  1.36703170e-10],
        [-8.20219022e-11,  1.09362536e-10],
        [-6.56175217e-11,  8.74900290e-11],
        [-5.24940174e-11,  6.99920232e-11],
        [-4.19952139e-11,  5.59936186e-11],
        [-3.35961711e-11,  4.47948948e-11],
        [-2.68769369e-11,  3.58359159e-11],
        [-2.15015495e-11,  2.86687327e-11],
        [-1.72012396e-11,  2.29349862e-11],
        [-1.37609917e-11,  1.83479889e-11],
        [-1.10087934e-11,  1.46783911e-11],
        [-8.80703469e-12,  1.17427129e-11]]))




【参考文献】
https://www.cnblogs.com/thisyan/p/9715593.html

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/181254.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

一篇五分生信临床模型预测文章代码复现——Figure 8 生存曲线鲁棒性分析

之前讲过临床模型预测的专栏,但那只是基础版本,下面我们以自噬相关基因为例子,模仿一篇五分文章,将图和代码复现出来,学会本专栏课程,可以具备发一篇五分左右文章的水平: 本专栏目录如下: Figure 1:差异表达基因及预后基因筛选(图片仅供参考) Figure 2. 生存分析,…

Linux输入子系统简析

1. 前言 限于作者能力水平,本文可能存在谬误,因此而给读者带来的损失,作者不做任何承诺。 2. 背景 本文基于 Linux 4.14 内核源码进行分析。 3. 简介 Linux 内核输入子系统,负责对系统中的输入设备进行管理。 一方面&#xf…

Spring Cloud_Ribbon负载均衡服务调用

目录一、概述1.是什么2.官网资料3.能干嘛二、Ribbon负载均衡演示1.架构说明2.POM三、Ribbon核心组件Irule1.IRule2.如何替换3.新建package(注意:包的位置)4.上面包下新建MySelfRule规则类5.主启动类添加RibbonClient6.测试四、Ribbon负载均衡…

Python将JSON格式文件导入 redis,多种方法

在导入前需要先确定你已经安装 Redis,并且可以启动相关服务。 windows 上启动 redis 的命令是 redis-server.exe redis.windows.conf,效果图如下: 文章目录使用 Python 连接 redis安装 redis 与 导入使用代码连接 Redis写入键值操作 JSON 文…

第26章 分布式缓存数据库配置的定义实现

1 Core.Configuration.CacheConfig namespace Core.Configuration { /// <summary> /// 【缓存配置--类】 /// <remarks> /// 摘要&#xff1a; /// 通过该类中的属性成员实例对“appsettings.json”文件中的1个指定缓存项(键/值对)在内存或指定分布式软件中…

mysql-installer-community-8.0.22.0安装教程

1. 下载 mysql-installer-community-8.0.22.0安装包 首先去官网&#xff1a;https://dev.mysql.com/downloads/installer/ 下载MySQL。 2. 默认Next 3. 点击Execute 4. 同意安装 5. 点击Next后点Yes 6. 点击Execute 这里出现10个选项是正确的&#xff0c;如果不是&#xff0c;…

C++ vector 容器介绍

C vector 容器介绍 C的vector是标准库中常见的一种容器&#xff0c;使用起来非常方便&#xff0c;可以用来代替c原本的数组。vector是种容器&#xff0c;类似数组一样&#xff0c;但它的size可以动态改变。vector的元素在内存中连续排列&#xff0c;这一点跟数组一样。由于vect…

队列同步器AQS的实现与分析——独占锁模式

AQS独占锁模式源码分析1、tryAcquire()、acquire()方法2、addWaiter()方法3、acquireQueued()方法4、shouldParkAfterFailedAcquire()方法5、tryRelease()、release()方法1、tryAcquire()、acquire()方法 protected boolean tryAcquire(int arg) {throw new UnsupportedOperat…

glassfish任意文件读取漏洞

glassfish任意文件读取漏洞1.简介1.1.漏洞类型1.2.漏洞成因1.3.语法搜索1.4.影响版本2.漏洞复现2.1.POC2.2.访问地址2.3.GlassFish的敏感目录2.3.1.获取数据库密码2.3.2.获取GlassFish的后台密码2.4.POC脚本1.简介 GlassFish是一款强健的商业兼容应用服务器&#xff0c;达到产品…

MyEclipse提示过期,MyEclipse Subscription Expired激活方案

一、错误描述 紧接上文&#xff0c;虽然解决了MyEclipse提示过期问题&#xff0c;但是你会发现出现一行红色提示如下&#xff1a; 1.错误日志 Product activation must be completed within 5 days. 2.错误说明 产品激活必须在5天内完成。 二、解决方案 从错误日志很明显的可…

C++语法复习笔记-2. c++基础句法

文章目录1. 图灵机与三种基本结构1. 顺序结构2. 分支结构自定义结构-枚举结构体与联合体结构体数据对齐问题3. 循环结构三种循环结构反汇编查看三种结构效率实例&#xff1a;输出所有形如aabb的四位数的完全平方数方案1: 构造aabb数&#xff0c;再判断方案2&#xff1a;反向操作…

《网络编程实战》学习笔记 Day10

系列文章目录 这是本周期内系列打卡文章的所有文章的目录 《Go 并发数据结构和算法实践》学习笔记 Day 1《Go 并发数据结构和算法实践》学习笔记 Day 2《说透芯片》学习笔记 Day 3《深入浅出计算机组成原理》学习笔记 Day 4《编程高手必学的内存知识》学习笔记 Day 5NUMA内存知…

自制DAPLink 基于ARM官方源码以及STM32F103C8T6

【本文发布于https://blog.csdn.net/Stack_/article/details/128771308&#xff0c;未经许可禁止转载&#xff0c;转载须注明出处】 一、安装工具并配置环境变量 1、python3 【官网】 【网盘】 链接&#xff1a;https://pan.baidu.com/s/1zW_H_eQlkzX3FkXuClFnTA 提取码&#…

python 操作 json 文件的种种知识点

本篇博客将带你全方位了解 Python 操作 json 文件的技术点 让你碰到 json 格式文件不在发愁 文章目录json 模块读取 JSON写入 JSON读取与写入基本用法如下json 模块进阶用法控制输出格式在 JSON 中存储 Python 特殊类型对数据进行验证和清洗第三方模块json 模块 Python 提供了…

CE自动汇编之AOB注入

目录 一、什么是AOB注入&#xff1f; 二、什么时候使用AOB注入&#xff1f; 三、代码注入 四、全部注入 五、“全部注入”和“AOB注入”的分别 六、代码注入与AOB注入的区别 CE自动汇编的模板中&#xff0c;有三种注入代码的方式&#xff1a; 第一种是代码注入&#xff…

Qt使用数据库模型中的删除详解

以下使用 QSqlTableModel 模型&#xff0c;使用tableView显示内容 以下为界面&#xff1a; 这里主要介绍删除操作&#xff1a; 删除一行为&#xff1a; int rowui->tableView->currentIndex().row();//获取行号model->revertRow(row);//删除该行model->submitAll(…

git 关于分支和仓库的理解

何时需要initgit init//初始化本地仓库.git目录如果初始化就会在当前文件夹中出现.git的目录&#xff0c;该目录默认是隐藏的&#xff0c;需要关闭显示隐藏文件才能看到。执行完git init命令后&#xff0c;当前目录就成为了工作区&#xff08;工作区可以理解为操作本地仓库的车…

MyBatis-Plus知识快速入门

文章目录1.MyBatis-Plus简介2.入门案例2.1开发环境2.2创建测试数据库和表2.3创建SpringBoot工程2.4创建实体类以及lombok的使用2.5添加mapper2.6加入日志功能3.基本的CRUD3.1BaseMapper3.2插入3.3删除3.4修改3.5查询4.通用Service4.1创建Service接口和实现类5.常用注解5.1Table…

“华为杯”研究生数学建模竞赛2005年-【华为杯】A题:城市出租车交通规划综合模型(附获奖论文和matlab代码)

赛题描述 A: Highway Traveling time Estimate and Optimal Routing Ⅰ Highway traveling time estimate is crucial to travelers. Hence, detectors are mounted on some of the US highways. For instance, detectors are mounted on every two-way six-lane highways o…

springboot 分布式全局唯一id的生成-雪花算法snowflake

一 背景描述 1.1 问题产生 在分布式系统中&#xff0c;怎么使用全局唯一id&#xff1f; 在分布式是&#xff0c;微服务的架构中&#xff0c;或者大数据分库分表中&#xff0c;多个不同节点怎么保持每台机器生成的主键id不重复&#xff0c;具有唯一性&#xff1f; 方案1&…