返回信息流梯度下降法能否找到极值点真的得碰运气，比如下面这种情况：
聪明的同学们，你们知道为什么吗？
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #15065同步于 2015/1/7
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
【发现惊人现象】梯度下降法没有找到极值点！！
drx
2015/1/7镜像同步32 回复
订阅后，新回复会通过你的通知中心匿名送达。
9 条回复
步长太大了，就像是一步跨太大，扯到那啥了，不出问题（不走的更远）就不错了，还要啥自行车 （捂脸(*/ω＼*)）
有一种比较好想的做法是，步长逐渐减少……
同学，步长太大了，越接近极值点步长应该越小。梯度下降法固定步长是鸡肋，你可以查一查文献，有种算法叫AdaGrad，自适应步长，性能会好一些。但是梯度下降法就算收敛到极值点也有可能是局部最优。。。