标签： python tensorflow optimization
假设我们有一些针对(x[i],y[i])的训练数据i=1,...,N，其中每个x[i]是一个m+n维向量，y[i]是一个标量。
(x[i],y[i])
i=1,...,N
x[i]
m+n
y[i]
创建用于回归的神经网络是一项标准任务，例如在张量流中让我们得到最终的网络。
然后，为我提供新的固定输入，即m的第一个x组件。任务是找到剩余的n输入以最大化输出y。一种方法可以是使用例如科学的差异进化。
m
x
n
y
如何使用渐变可用的事实。 tensorflow如何用于梯度下降优化？