关于TensorFlow Autodiff自动微分的案例
导读:本文共902字符,通常情况下阅读需要3分钟。同时您也可以点击右侧朗读,来听本文内容。按键盘←(左) →(右) 方向键可以翻页。
摘要: 如下所示:with tf.GradientTape(persistent=True) as tape: z1 = f(w1, w2 + 2.) z2 = f(w1, w2 + 5.) z3 = f(w1, w2 + 7.) z = [z1,z3,z3][tape.gradient(z, [w1, w2]) for z in (z1, z2, z3)]输... ...
音频解说
目录
(为您整理了一些要点),点击可以直达。如下所示:
输出结果
输出结果
[<tf.Tensor: id=57075, shape=(), dtype=float32, numpy=136.0>,
<tf.Tensor: id=57076, shape=(), dtype=float32, numpy=30.0>]
如果对一个listz=[z1,z2,z3]求微分,其结果将自动求和,而不是返回z1、z2和z3各自对[w1,w2]的微分。
补充知识:Python/Numpy 矩阵运算符号@
如下所示:
A = np.matrix('3 1; 8 2')
B = np.matrix('6 1; 7 9')
本文:
关于TensorFlow Autodiff自动微分的案例的详细内容,希望对您有所帮助,信息来源于网络。