TensorFlow 梯度计算

最新推荐文章于 2022-02-10 15:53:54 发布

阿豪boy

最新推荐文章于 2022-02-10 15:53:54 发布

阅读量123

点赞数

文章标签：卷积网络 tensorflow 深度学习 python

本文链接：https://blog.csdn.net/qq_35516360/article/details/122066146

版权

这篇博客介绍了如何在 TensorFlow 中使用 `tf.gradients` 函数进行梯度计算。内容涉及梯度计算的基本原理，强调了输入参数 xs 中的元素必须与 ys 相关，否则会引发错误。示例展示了同时为两个表达式四个变量求梯度的过程，并解释了不同变量的梯度计算结果。此外，还提到了用户可以自定义初始梯度的情况。

摘要由CSDN通过智能技术生成

原文链接: TensorFlow 梯度计算

上一篇: TensorFlow cifar 卷积网络

下一篇: TensorFlow 反卷积反池化

参考

https://blog.csdn.net/u012436149/article/details/53905797

tensorflow中有一个计算梯度的函数tf.gradients(ys, xs)，要注意的是，xs中的x必须要与ys相关，不相关的话，会报错。

import tensorflow as tf

w1 = tf.Variable([[1, 2]])
w2 = tf.Variable([[3, 4]])

y1 = tf.matmul(w1, [[9], [10]])
y2 = tf.matmul(w2, [[1], [2]])
# grads = tf.gradients(y,[w1,w2]) # y和w2不相干，会报错
grads1 = tf.gradients(y1, [w1])
grads2 = tf.g