# 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。