导数 f′(x) 表示函数在 x 处的瞬时变化率，几何上等于曲线切线的斜率。神经网络反向传播时，每一层都在计算损失对参数的导数。
f(x₀) = 1.0000
f′(x₀) = 2.0000
相关演示
数学基础 · 第 2 章路径 2/8本章完成 0%导数梯度链式法则
可用 ← → 键切换主题
导数与切线
瞬时变化率 · 切线斜率
函数曲线切线（斜率 = f′(x)）
微积分检查点
学完演示后来检验一下。全部答对即可标记本章测验通过。
1. 梯度下降中，参数更新方向一般是？
2. 学习率过大时，常见现象是？
3. 反向传播依赖的核心数学工具是？
与 AI 的联系
- 反向传播：链式法则逐层传递梯度，每个参数都求偏导数。
- 优化器：SGD、Adam 等都是在梯度方向上更新权重，学习率控制步长。
- ReLU 激活：在 x=0 处不可导，实践中仍广泛使用。