对于梯度下降算法我们熟知的一个例子就是下山问题，当我们位于山的某一点处，沿着当前位置寻找山坡最陡方向以一定步长进行移动，直到走到山脚。那么这个过程具体是怎么做到的？为什么说负梯度方向是下降最快方向呢？

首先我们设定一个初始值【相当于我们在山上的一个初始位置】，优化的目标函数为f(x)【可以理解为将山体轮廓作为目标函数f(x)】，接下来我们可以在处进行一阶泰勒展开【对函数局部的线性近似】：

我们期望的是在下一个位置处有【山体的下一个位置的值低于前面的值才说明我们正在下山，这个过程才是有效的】，我们令则有：

进一步得到：

为了保证可以设，又为了需要使距离尽可能的小以减小误差，引入步长系数，则有：

这里只是举例的一元函数，如果是多元函数，上式为偏导数。根据上述过程不停的迭代寻找最优解。【上述公式也就是我们常看到的权重更新   】

那么又为什么是负梯度方向才是下降的最快方向呢？

首先也是一个向量，这个向量的大小(模值)也其实就是步长系数【注：步长是一个标量】，如果我们再引入一个单位向量，那么向量可表示为：

那么泰勒展开则为：                     

我们又希望                                 

我们已知是一个为正值的标量，和是矢量，两个向量相乘为，是两个向量之间的夹角。为了让相乘后的结果为“负最大值”那么向量之间的夹角应为180°，当夹角为0的时候有正的最大值(梯度方向上值增长最快的方向)。所以说当和梯度方向相反(负梯度方向)的时候，能让值尽可能减小。

我们又已知是单位向量，模为1，则可以表示为：。于是可得权重更新公式为：

又因为是标量，所以和写在一起,如果对于多元函数，则为：

代码实现： 

# 假如目标函数为f(x) = 2(x - 5)² # 可以知道当函数值为0的时候，x=5
# 定义函数
def f(x):return 2 * (x - 5) ** 2# 函数求导
def df(x):return 4 * (x - 5)# 定义学习率(步长)
learning_rate = 0.1res_x = []  # 保存每次更新后x的值
res_y = []  # 保存每次更新x后y的值x0 = 1  # 初始位置
y = f(x0)  # 初始值
y_current = 0  # y当前值

# 循环20次
for epoch in range(20):x0 = x0 - learning_rate * df(x0)  # 权重更新  梯度下降tmp = f(x0)  # 将初始位置先放在一个临时变量中y_current = tmp  # 将临时变量中的值赋值为当前值res_x.append(x0)  # 记录x的变化res_y.append(y_current)  # 记录y的变化

打印一下x的输出结果：可以看出x的值越来越接近于5了

2.6
3.56
4.136
4.4816
4.68896
4.813376
4.8880256
4.93281536
4.959689216
4.9758135296
4.98548811776
4.991292870656
4.9947757223936
4.9968654334361595
4.998119260061696
4.998871556037018
4.999322933622211
4.999593760173327
4.999756256103996
4.999853753662398

print("{:.10f}".format(res_y[-1])) #无限接近0

输出为：0.0000000428

可视化：可以看到x的值越来越趋近于5，y的值越来越接近于0

代码参考：梯度下降算法（附代码实现） - 知乎