1차원 백터의 기울기 구현

모든 변수의 편미분을 백터로 정리한 것이 기울기

 

다음은 1차원 백터의 기울기 구현(다차원이 아니므로 아직 큰 의미는 없음)

 

각 x에 대한 f(x+h) - f(x-h) / 2h의 적용(편미분)은 같음

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
·¬
import·numpy·as·np¬
¬
def·f_2(x):¬
····return·np.sum(x**2)¬
¬
def·numerical_gradient(f,x):·#·3·4¬
····h·=·1e-4¬
····grad·=·np.zeros_like(x)·#·x와·shape이·같은·0행렬(배열)·생성¬
····#print(grad)¬
¬
····for·idx·in·range(x.size):¬
········tmp_val·=·x[idx]¬
········#print(tmp_val)¬
········x[idx]·=·tmp_val·+·h¬
········#print(x[idx])¬
········fxh1·=·f(x)¬
········print(fxh1)¬
········#print(tmp_val)·#·강한복사가·되네?¬
¬
········x[idx]·=·tmp_val·-·h¬
········fxh2·=·f(x)¬
········print(fxh2)¬
········#print(7/2*h)¬
········#·print((fxh1-fxh2)·/·(2*h))¬
········grad[idx]·=·(fxh1-fxh2)·/·(2*h)¬
········x[idx]·=·tmp_val¬
¬
····return·grad¬
¬
#print(numerical_gradient(f_2,·np.array([3,4])))¬
print(numerical_gradient(f_2,·np.array([3.0,4.0])))¬
¶
XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX