下列关于梯度下降法的描述错误的是？
A: 梯度下降是利用一阶的梯度信息找到代价函数局部最优解的一种方法
B: 通常会先初始化一组参数值，然后在这个值之上，用梯度下降法去求出下一组的值。有于梯度是下降的，所以损失函数的值在下降。当迭代到一定程度，此时的参数取值即为要求的值。
C: 学习速率的选取很关键，如果学习速率过大，容易达不到极值甚至会发散，学习速率太小容易导致收敛时间过长
D: 学习速率不是超参数。
A: 梯度下降是利用一阶的梯度信息找到代价函数局部最优解的一种方法
B: 通常会先初始化一组参数值，然后在这个值之上，用梯度下降法去求出下一组的值。有于梯度是下降的，所以损失函数的值在下降。当迭代到一定程度，此时的参数取值即为要求的值。
C: 学习速率的选取很关键，如果学习速率过大，容易达不到极值甚至会发散，学习速率太小容易导致收敛时间过长
D: 学习速率不是超参数。
举一反三
- 下面对梯度下降方法描述，不正确的是（ ）。 A: 梯度方向是函数值下降最快方向 B: 梯度反方向是函数值下降最快方向 C: 梯度下降算法是一种使得损失函数最小化的方法 D: 梯度下降算法用来优化深度学习模型的参数
- 下面对梯度下降方法描述不正确的是（ ） A: 梯度下降算法是一种使得损失函数最小化的方法 B: 梯度反方向是函数值下降最快方向 C: 梯度方向是函数值下降最快方向 D: 梯度下降算法用来优化深度学习模型的参数
- 梯度下降是神经网络参数学习中的一种方法。（ ）
- 下列哪些方法是梯度下降法的改进？（） A: 批量梯度下降（Batchgradientdescent） B: 随机梯度下降（Stochasticgradientdescent） C: 小批量梯度下降（Mini-batchgradientdescent）
- 下面关于梯度下降法描述正确的是 A: 梯度下降法作为机器学习中较常使用的优化算法，其有着三种不同的形式：批量梯度下降（Batch Gradient Descent）、随机梯度下降（Stochastic Gradient Descent）以及小批量梯度下降（Mini-Batch Gradient Descent）。 B: 批量梯度下降法是最原始的形式，它是指在每一次迭代时使用所有样本来进行梯度的更新。 C: 随机梯度下降法不同于批量梯度下降，是每次迭代使用一个样本来对参数进行更新。 D: 小批量梯度下降法是对批量梯度下降以及随机梯度下降的一个折中办法。更新参数时使用一部分训练样本。一般将训练样本集分成若干个batch，每个batch包含m个样本。每次更新都利用一个batch的数据，而非整个训练集。