1.7神经网络实现鸢尾花分类代码部分分析

最新推荐文章于 2024-08-10 23:41:04 发布

SeaMentha

最新推荐文章于 2024-08-10 23:41:04 发布

阅读量397

点赞数 9

文章标签：分类人工智能 tensorflow 神经网络

本文链接：https://blog.csdn.net/qq_51658447/article/details/134617580

版权

本文介绍了在使用神经网络对鸢尾花进行分类时，如何通过`tape.gradient`计算损失函数对权重(w1和b1)的梯度，并利用这些梯度进行参数更新的过程。详细展示了w1和b1的自更新操作，以及针对不同参数选择对应梯度值。

摘要由CSDN通过智能技术生成

参考视频：1.7神经网络实现鸢尾花分类_哔哩哔哩_bilibili

        grads = tape.gradient(loss, [w1, b1])#存储了两个loss，分别是相对于w1和b1的
        print("grades:",grads)
        # 实现梯度更新 w1 = w1 - lr * w1_grad    b = b - lr * b_grad
        w1.assign_sub(lr * grads[0])  # 参数w1自更新
        b1.assign_sub(lr * grads[1])  # 参数b自更新

其中grade分别相对于w1和b1，是包含两个张量的列表。

之后参数w1自更新的时候使用grade[0],而参数b1自更新使用grade[1]。