【Pytorch學習】用隨機梯度下降算法思想求函數(shù)極值
隨機梯度下降（Stochastic gradient descent，SGD）算法，在深度學習中，經(jīng)常被用來對神經(jīng)網(wǎng)絡模型的參數(shù)進行更新。這里，為了便于學習理解，我們用參照這種算法思想和原理來求解函數(shù)的極值。
已知函數(shù) f(x)，定義域 {-11 <?x?<?10}
?
首先，我們借助 python 將函數(shù)圖像繪制出來，如下圖所示：
接下來，我們用 pytorch 提供的自動求導功能，根據(jù)隨機梯度下降算法的思想來求函數(shù)的極值。
經(jīng)過多輪的 x 值的更新迭代之后，可以看到 y 的值已經(jīng)逼近函數(shù)的最小值了。
如果不確定這個值是否正確，我們可以手動計算一下。
極值點為：
?時，
標簽：
