def numerical_derivative_2d(func, epsilon): """ Функция для приближённого вычисления градиента функции двух переменных. :param func: np.array[2] -> float — произвольная дифференцируемая функция :param epsilon: float — максимальная величина приращения по осям :return: другая функция, которая приближённо вычисляет градиент в точке """ def grad_func(x): """ :param x: np.array[2] — точка, в которой нужно вычислить градиент :return: np.array[2] — приближённое значение градиента в этой точке """ <YOUR CODE> return <YOUR CODE> return grad_func def grad_descent_2d(func, low, high, start=None, callback=None): """ Реализация градиентного спуска для функций двух переменных Обратите внимание, что здесь градиент функции не дан. Его нужно вычислять приближённо. :param func: np.ndarray -> float — функция :param low: левая граница интервала по каждой из осей :param high: правая граница интервала по каждой из осей """ eps = 1e-10 df = numerical_derivative_2d(func, eps) <YOUR CODE> return <YOUR CODE>

class MyClass:
    def __init__(self):
        self.x = 0
        self.y = 0
        
    def add_x(self, x):
        self.x += x
        
    def add_y(self, y):
        self.y += y
        
    def add_xy(self, x, y):
        self.x += x
        self.y += y
        
    def print_xy(self):
        print('x = {}, y = {}'.format(self.x, self.y))
        
    def set(self, x, y):
        self.x = x
        self.y = y
        
    def reset(self):
        self.x = 0
        self.y = 0
        

m = MyClass()
m.print_xy()
m.add_xy(1, 2)
m.print_xy()
m.set(3, 4)
m.print_xy()