数字图像处理中的gradient descent （梯度下降算法）应用浅谈

最近在学习神经元追踪这一个课题，在追踪中涉及到一个重要的算法就是这个梯度下降算法。

其实，梯度下降算法数学本质上是一个求解最优解的一个方法，但应用到数学图像处理中的话就有了他的物理意义，即从起始点到目的点的迭代次数最少的算法。

从起始点，以步长为半径，对损失函数求一阶导数（梯度）找到梯度最大的那个放下，通俗的讲就是你站在山顶你要去山下，梯度下降算法即代表这你刚开始就是找的最陡峭的一个坡下去，迭代完成一次之后重复第一次的步骤，直到到达终点。