一文掌握深度学习（七）——多个样本的梯度下降

上一章中，我们学习了前向传播和反向传播，想必大家都学会了，这一章我们学习多个样本的梯度下降。

如果没有看上一章，可以去看一下，传送门：一文掌握深度学习（六）——彻底搞懂前向/反向传播

在之前的章节中，我们都是基于单个样本来学习的，但是实际工作中，我们会处理十万或者百万个样本，这个时候我们需要怎么做呢？

在回答这个问题之前，我们先回顾下我们之前学习的知识：

我们假设每个样本为，而且样本有两个特征值，分别为和，那么对于单个样本来说就有：

变量说明：代表第个样本，和代表第个样本有两个特征值，代表权重，代表偏置。

以上就是单个样本的公式，多个样本梯度下降说白了就是把每一个样本的梯度加起来，求平均值然后进行更新，我们只需要用循环就可以轻松的解决问题：

通过上图可以看出，我们只需一个for循环就可以完成多个样本的的梯度下降，但是在实际操作中，我们还是尽可能的避免使用循环，下一章我们讲解可以去掉循环的方法：向量。