python输出梯度下降损失函数
时间: 2023-11-20 18:51:46 浏览: 100
梯度下降python实现
在Python中,可以使用NumPy和SciPy库来实现梯度下降算法。下面是一个简单的例子,展示了如何使用梯度下降算法来最小化Rosenbrock函数的损失函数:
```python
import numpy as np
from scipy.optimize import minimize
# 定义Rosenbrock函数
def rosenbrock(x):
return (1 - x[0])**2 + 100 * (x[1] - x[0]**2)**2
# 定义损失函数
def loss_function(theta):
return rosenbrock(theta)
# 初始化参数
theta = np.array([0, 0])
# 使用梯度下降算法最小化损失函数
result = minimize(loss_function, theta, method='CG', options={'maxiter': 1000})
# 输出最小化损失函数的结果
print(result)
```
在上面的代码中,我们首先定义了Rosenbrock函数和损失函数。然后,我们初始化了参数theta,并使用SciPy库中的minimize函数来最小化损失函数。在这个例子中,我们使用了共轭梯度法(CG)作为优化算法,并设置了最大迭代次数为1000。最后,我们输出了最小化损失函数的结果。
阅读全文