"""任意维平方和的梯度下降：只用 Python，无额外依赖。"""

# 换成 [2]、[2, 1] 或更多数字，仍然使用同一套代码。
parameters = [2.0, 1.0, -1.0]

# 对这个平方和例子，0.25 会让每个参数每次减半。
learning_rate = 0.25


# 函数接收参数列表，返回平方和。
def loss(values):

    # sum 把各个平方加起来。
    return sum(value * value for value in values)


# 先显示起点；默认三个参数的平方和是 6。
print("起点：", parameters, "函数值：", loss(parameters))

# 先练习四步，观察函数值逐步变小。
for step in range(4):

    # 所有偏导数都由同一份旧参数计算；本例每项是 2 倍参数。
    gradients = [2 * value for value in parameters]

    # 先准备一个新列表，保留旧参数直到整步完成。
    new_parameters = []

    # 按位置取出每一项旧参数。
    for index in range(len(parameters)):

        # 每项各减去学习率乘它对应的偏导数。
        new_value = parameters[index] - learning_rate * gradients[index]

        # 将本项更新结果放到新列表末尾。
        new_parameters.append(new_value)

    # 全部计算完毕，再把整份参数一起换成新列表。
    parameters = new_parameters

    # 默认前两步的函数值为 1.5、0.375。
    print("第", step + 1, "步：", parameters, "函数值：", loss(parameters))
