按输入、计算、输出的顺序理解,再逐句对照老师代码。
目标为 ,起点为 。先求梯度 ,再取反得到负梯度 。
一维函数 的横坐标是步长,不是原来的 或 。两种方向对应
原代码最后只调用 plot_g(d2),所以生成一张负梯度曲线。要比较正梯度,再增加 plot_g(d1);普通脚本末尾可加 plt.show() 显示窗口。对应讲解见算法课件第12—13页。
左侧行号与保存的代码文件一致。空行用于分段。
| 行 | 原代码 | 这一行在做什么 |
|---|---|---|
| 1 | import numpy as np | 导入 NumPy,处理二维向量与步长数组。 |
| 2 | import matplotlib.pyplot as plt | 导入绘图接口。 |
| 3 | import math | 导入 Python 的 math 数学库;本段后续没有用到它。 |
| 6 | x = np.array([2., 2.]) | 建立浮点二维起点x=(2,2);小数点使数组按浮点数保存。 |
| 7 | d1 = np.array([2 * 4 + 2 * 4 - 8, 2 * 4 + 2 * 10 - 6]) | 把偏导公式代入(2,2),得到梯度d1=(8,22)。这里各项里的2是当前两个坐标。 |
| 8 | d2 = -d1 | 每个分量取负,得到负梯度d2=(−8,−22)。 |
| 11 | f = lambda x: 2 * x[0] ** 2 + 4 * x[0] * x[1] + 5 * x[1] ** 2 - 8 * x[0] - 6 * x[1] + 10 | lambda定义一个简短函数;x[0]是第一个坐标x1,x[1]是第二个坐标x2,返回原二次目标。 |
| 14 | # def f(x): | 注释:下面演示f也可以用普通def函数定义,效果与lambda相同。 |
| 15 | # x1 = x[0] | 注释:把传入向量的第一个元素命名为x1。 |
| 16 | # x2 = x[1] | 注释:把第二个元素命名为x2。 |
| 17 | # return 2 * x1 ** 2 + 4 * x1 * x2 + .... | 注释:示意返回目标式;末尾省略号表示未写完的教学示意,不是正在执行的f定义。 |
| 20 | def plot_g(d): | 定义绘图函数plot_g(d),输入是一个方向向量d。下面的缩进行都属于这个函数。 |
| 21 | g = lambda alpha: f(x + alpha * d) | 定义当前方向的一维函数:按步长alpha走到x+alpha*d,再计算f。 |
| 22 | Alpha = np.linspace(0, 0.2, 100) | 生成0至0.2之间100个步长,供横轴使用。 |
| 23 | G = np.zeros_like(Alpha) | 创建与Alpha形状相同的全零数组G,准备逐项存函数值。 |
| 24 | for i, alpha in enumerate(Alpha): | enumerate同时给出位置编号i和该位置的步长alpha,逐个遍历100个候选值。 |
| 25 | G[i] = g(alpha) | 计算当前步长下的目标并存入G的第i个位置。 |
| 26 | plt.figure(dpi=500) | 新建一个图形,dpi=500设置绘图分辨率。 |
| 27 | plt.plot(Alpha, G) | 用步长Alpha作横轴、目标值G作纵轴,连成曲线。 |
| 29 | plot_g(d2) | 把负梯度d2传给plot_g,因此这次实际画的是负梯度路径。 |