Fisher信息、梯度方差与学习率调度器的计算流程 目录 Fisher信息、梯度方差与学习率调度器的计算流程 **步骤1:定义模型与数据集** **步骤2:计算梯度与Fisher信息** **步骤3:计算梯度方差** **步骤4:定义学习率调度器** **步骤5:参数更新流程** **示例输出** **关键概念说明** 步骤1:定义模型与数据集 模型:逻辑回归分类器,参数为θ = [w, b] 数据集:2个样本(x, y) 样本1:x=0 → y=0 样本2:x=1 → y=1 目标函数(对数似然): L ( θ ) = ∑ i