Tensorflow 自定义算子的导数/梯度计算

12 篇文章 0 订阅
3 篇文章 0 订阅

在TensorFlow中自定义梯度的两种方法: link,以sign函数为例子。

在python和 c++ 端对 op 的梯度进行定义:link

Tensorflow官方custom grad的例子:link.
以tf.math.log(1 + tf.exp(x))为例子。

Note:
使用 Eager execution 时,不支持使用 tf.gradients,因此需要用 tf.GradientTape来替换。

tf.GradientTape的使用方法是

with tf.GradientTape() as grad:
	y = x * x
	dy_dx = grad.gradient(y, x) 
	print('dy_dx=',dy_dx)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值