TensorFlow的自动求导原理是什么

发布时间:2021-05-27 11:20:18 作者:小新
来源:亿速云 阅读:618

这篇文章将为大家详细讲解有关TensorFlow的自动求导原理是什么,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。

原理:

TensorFlow使用的求导方法称为自动微分(Automatic Differentiation),它既不是符号求导也不是数值求导,而类似于将两者结合的产物。

最基本的原理就是链式法则,关键思想是在基本操作(op)的水平上应用符号求导,并保持中间结果(grad)

基本操作的符号求导定义在\tensorflow\python\ops\math_grad.py文件中,这个文件中的所有函数都用RegisterGradient装饰器包装了起来,这些函数都接受两个参数op和grad,参数op是操作,第二个参数是grad是之前的梯度。

链式求导代码:

TensorFlow的自动求导原理是什么

举个例子:

TensorFlow的自动求导原理是什么

TensorFlow的自动求导原理是什么

TensorFlow的自动求导原理是什么

TensorFlow的自动求导原理是什么

TensorFlow的自动求导原理是什么

TensorFlow的自动求导原理是什么

TensorFlow的自动求导原理是什么

TensorFlow的自动求导原理是什么

TensorFlow的自动求导原理是什么

TensorFlow的自动求导原理是什么

TensorFlow的自动求导原理是什么

TensorFlow的自动求导原理是什么

TensorFlow的自动求导原理是什么

补充:聊聊Tensorflow自动求导机制

自动求导机制

在即时执行模式下,Tensorflow引入tf.GradientTape()这个“求导记录器”来实现自动求导。

计算函数y(x)=x^2在x = 3时的导数:

import tensorflow as tf
#定义变量
x = tf.Variable(initial_value = 3.)

#在tf.GradientTape()的上下文内,所有计算步骤都会被记录以用于求导
with tf.GradientTape() as tape:
    #y = x^2
    y = tf.square(x)
#计算y关于x的导数(斜率,梯度)
y_grad = tape.gradient(y,x)
print([y,y_grad])

输出:

[<tf.Tensor: shape=(), dtype=float32, numpy=9.0>, <tf.Tensor: shape=(), dtype=float32, numpy=6.0>]

关于“TensorFlow的自动求导原理是什么”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,使各位可以学到更多知识,如果觉得文章不错,请把它分享出去让更多的人看到。

推荐阅读:
  1. Pytorch中自动求导函数backward()所需参数的含义是什么
  2. tensorflow求导和梯度计算实例

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

tensorflow

上一篇:Django分页器怎么用

下一篇:python基础学习之递归函数怎么用

相关阅读

您好,登录后才能下订单哦!

密码登录
登录注册
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》