代码之家 › 专栏 › 技术社区 › piccolo

计算张量流梯度

calculus tensorflow python

1

piccolo · 技术社区 · 7 年前

我被 tensorflow gradient documentation 用于计算梯度。

a = tf.constant(0.)
b = 2 * a
g = tf.gradients(a + b, [a, b])

with tf.Session() as sess:
    print(sess.run(g))

它给予 [3.0, 1.0]

我觉得我真的错过了一些显而易见的东西,但是如果 a 本质上 0 然后 b 因此 a+b =0 . 那么,对a和b的零进行微分会给你什么 [3.0,1.0] .

我认为我在这里误解了tensorflows的结构/语法。

2 回复 | 直到 7 年前

1

2

fuglede 7 年前

为了进行比较,考虑实值函数 f型 : 右 â 右一个实变量,由 f型 ( 十 )=10个十 . 在这里, f型 '( 十 )=10,不管十 ,特别是 f型 '(0)=10。

类似地,正如本教程中所解释的,或多或少地按照定义 total derivative 的( 一 , 乙 ) 一 + 乙对于乙 ( 一 )=2个一是(3,1),它独立于一 .

对于一个不那么简单的例子,让我们考虑一下

a = tf.constant(5.)
b = 2 * a
g = tf.gradients(a**3 + 2*b**2, [a, b])

with tf.Session() as sess:
    print(sess.run(g))

这里,关于一是一 â¦ 一 +2(2) 一 ) = 一 3+8 一变成一三一 +16个一 ,而关于乙是一四乙 ( 一 )=8个一 . 因此,在一 =5,我们期望结果是(3.5+16.5,8.5)=(155,40),运行得到的代码。

2

1

lintang 7 年前

文档描述了您编写的符号计算总导数。你有两个变量来计算导数: a 和 b . 所以对于导数 一 ,函数的导数 a+b = a + 2a = 3a w.r.t.公司 一 也就是3。为了 乙 ,的派生 a+b w.r.t.公司 乙 也就是1。 tf.constant(0.) 意思是你宣布 一 作为一个常量。如果你宣布 一 作为一个 tf.variable 相反。