摘要 梯度下降是一种通过迭代优化寻找函数最小值的方法，其核心思想是沿着函数梯度的反方向逐步调整参数。梯度方向指示了函数变化最快的上升方向，因此其反方向即为最快下降路径。关键参数学习率η控制步长，需平衡收敛速度与精度。反向传播算法则利用链式法则高效计算神经网络中的梯度，实现参数优化。这两种方法共同构成了深度学习模型训练的基础。