梯度的数值逼近

当实施反向传播的时候，有一个测试叫做梯度检验，它的作用是保证反向传播可以正确实施。在写好反向传播公式的时候，你没有办法保证执行反向传播的所有细节全部都是正确的。为了实现逐步梯度检验，我们先来说一下如何对梯度做数值逼近。

如图所示，我们只需记住，双边检测误差更低，精度更高。

那么为什么是平方误差关系呢，这里用到了泰勒展开式，做差所得，我们先来复习一下泰勒展开式的知识

然后这个公式的推导过程如下：

梯度检验

下面我们介绍一下如何用梯度检验来检验反向传播实施是否正确。

如图所示，为了执行梯度检验，我们首先要把所有参数转化成一个巨大的向量数据。

转换完之后那么现在的问题是dθ，或者说是代价函数J的梯度和代价函数之间有什么关系。而这，就是实施梯度检验的过程。英语里通常称为grad check。

如图所示，为了执行梯度检验，你要做的就是使用循环操作。

我们执行双边误差检测。由上节课的知识我们应该知道，这个双边误差应该近似于dθ。

那么如何定义两个向量是否彼此接近呢？我们一般使用二范数来进行度量。最后我们将向量长度做归一化处理，得到上图中最下面的公式。如果我们得到的这个误差在10的负7次方的数量级，那么非常好，如果这个误差比较大，那么我们就要重新检验了。

关于梯度检验实现的注记

这里我们谈一下在神经网络中实现梯度检验的注意技巧和注意事项

最后的一点说明一下，最好在反复训练神经网络之后再进行梯度检验。

吴教主深度学习和神经网络课程总纲

总结

以上是生活随笔为你收集整理的2.1.5 梯度检验的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。