基础入门 / 入门进阶

梯度下降：神经网络到底怎样学习

视频：3Blue1Brown · Grant Sanderson时长：21:01B站发布：2017-11-08中文笔记更新：2026-11-04

去 B站观看 ↗原版链接 ↗

默认加载 B站官方播放器，不自动播放。若原站限制嵌入或网络不可用，请打开原视频；中文笔记仍可阅读。

播放器由第三方提供，加载本页时会连接 B站；切换原版会连接 YouTube。了解播放与隐私

读完，记住这三件事

中文重点笔记

用“沿山坡下行”的直觉，理解训练为什么要计算误差和调整参数。

损失函数衡量预测与目标的差距。
负梯度提供局部下降方向，学习率控制步长。
训练集表现变好后，仍要用未见数据检查泛化。

整理依据：原作者配套图文。这是本站简要导读，不是视频完整转录或逐字翻译。

必得工坊的观看建议

理解训练是在怎样改参数，能帮助你区分“模型回答一次”和“重新训练模型”，也能看懂学习率、损失这些常见词。

建议基础：建议先看神经网络入门；知道函数和斜率会更容易。

把理解，变成一个小练习

先想一想

训练时的误差一直下降，就能断定模型在新数据上更好了吗？还缺哪一步检查？

再动手做

对 f(x)=(x−3)²，从 x=0 出发，分别用学习率 0.1 和 1.1，按 x下一步=x−学习率×2(x−3) 更新五步，观察收敛与震荡。

本站原创练习，非原作者课程作业。

也可以让 AI 陪你练

请带我做 f(x)=(x-3)^2 的梯度下降练习。从 x=0 开始，分别使用学习率0.1和1.1，列出五次更新及函数值。先让我猜变化趋势，再核对计算，并解释这个一维例子与训练大型神经网络的差别。

把这份笔记带走

包含中文要点、练习和来源，复制后可贴进自己的笔记或 AI 助手。

完整中文笔记与练习

# 梯度下降：神经网络到底怎样学习

必得 AI 精选｜整理：必得工坊
视频作者：3Blue1Brown · Grant Sanderson
笔记核验：2026-11-04
说明：依据原作者配套图文整理的中文导读，不是视频完整转录或逐字翻译。

## 一句话导读
用“沿山坡下行”的直觉，理解训练为什么要计算误差和调整参数。

## 三个要点
1. 损失函数衡量预测与目标的差距。
2. 负梯度提供局部下降方向，学习率控制步长。
3. 训练集表现变好后，仍要用未见数据检查泛化。

## 必得工坊的观看建议
理解训练是在怎样改参数，能帮助你区分“模型回答一次”和“重新训练模型”，也能看懂学习率、损失这些常见词。
建议基础：建议先看神经网络入门；知道函数和斜率会更容易。

## 想一想（本站原创练习）
训练时的误差一直下降，就能断定模型在新数据上更好了吗？还缺哪一步检查？

## 动手做（本站原创练习）
对 f(x)=(x−3)²，从 x=0 出发，分别用学习率 0.1 和 1.1，按 x下一步=x−学习率×2(x−3) 更新五步，观察收敛与震荡。

## 交给 AI 陪练
请带我做 f(x)=(x-3)^2 的梯度下降练习。从 x=0 开始，分别使用学习率0.1和1.1，列出五次更新及函数值。先让我猜变化趋势，再核对计算，并解释这个一维例子与训练大型神经网络的差别。

## 来源
B站官方双语版：https://www.bilibili.com/video/BV1Ux411j7ri/
YouTube原版：https://www.youtube.com/watch?v=IHZwWFHWa-w
作者配套原文：https://www.3blue1brown.com/lessons/gradient-descent/
本站学习页：https://bdskb.com/ai/watch/gradient-descent/
内容与译制署名详见原视频。请保留来源；本站与原作者无合作背书关系。

下载笔记（TXT）

可直接选中文本复制。文件使用 Markdown 格式，以 TXT 提供。

原作者与资料来源

【官方双语】深度学习之梯度下降法 Part 2 ver 0.9 beta ↗B站发布者：3Blue1Brown · 官方账号；译制署名见原视频。
Gradient descent, how neural networks learn ↗原版作者：Grant Sanderson / 3Blue1Brown。
作者配套图文与互动解释 ↗配套原文日期：2017-10-16；笔记依据本页整理。

中文导读与练习：必得工坊 · 2026-11-04 核验。视频版权归原权利人，本站通过官方播放器展示，不重上传视频。封面为本站自制导读图；收录不表示原作者与本站有商业合作。