本文来源公众号“小白学视觉”，仅用于学术分享，侵权删，干货满满。原文链接：一个算法工程师复现算法的踩坑总结作者|yishun@知乎来源丨https://zhuanlan.zhihu.com/p/53683453编辑| 极市平台0导读对神经网络进行可视化分析不管是在学习上还是实际应用上都有很重要的意义，

目录1.举例2.python实现1.举例2.python实现importnumpyasnpfromsklearn.datasetsimportfetch_mldatafromsklearn.utils.extmathimportsafe_sparse_dotdeftrain_y(y_true):y_ohe=np.zeros(10)y_ohe[int(y_true)]=1returny_ohemnist

优化算法主要用于调整神经网络中的超参数，使得训练数据集上的损失函数尽可能小。其核心逻辑是通过计算损失函数对参数的梯度（导数）来确定参数更新方向。SGDStochasticGradientDescent(随机梯度下降法)：随机梯度下降算法是一种改进的梯度下降方法，它在每次更新参数时，只随机选择一个