待验证50% 置信事实精确时间

训练过程使用批量梯度下降（batch gradient descent），迭代5000轮。

1

来源数

50%

置信度

长期有效

时效性

2026/10/19

首次发现

来源

用NumPy手搓神经网络：一次深入理解反向传播的实践

redditr/deeplearning2026/10/19

涉及实体

批量梯度下降concept

相关事实

待验证训练模型的核心过程是通过梯度下降法沿着损失函数的梯度方向迭代更新参数78% 相似待验证现代训练框架采用混合精度训练和梯度缩放（loss scaling）技术，通过放大小梯度到可表示范围来避免小数被吞没71% 相似待验证梯度下降是神经网络学习的核心优化算法，学习率控制每一步的步幅大小68% 相似待验证小版本号跃迁通常对应后训练（Post-Training）阶段的优化，而非预训练的重新训练65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1069368

API

curl https://kongchang.com/api/v1/knowledge/claims/1069368

MCP

get_claim(id=1069368)