2.001 用Tensorflow的梯度下降法求二次函数的极小值

最新推荐文章于 2022-03-21 16:03:36 发布

zdegrh_2

最新推荐文章于 2022-03-21 16:03:36 发布

阅读量1.4k

点赞数

本文链接：https://blog.csdn.net/zdegrh_2/article/details/79260926

版权

本文介绍了如何运用Tensorflow的梯度下降法来求解二次函数f(x)=x^2+y^2的最小值。通过设置初始值、定义输出和损失函数，并选择梯度下降优化器进行迭代，最终在多次迭代后接近极小值(0,0)。" 48393413,3332929,Qt移植到OK6410后触摸屏与鼠标问题解决,"['嵌入式开发', 'Qt开发', '设备驱动', 'Linux系统']

摘要由CSDN通过智能技术生成

梯度下降法见7.001 梯度下降法

假设二次函数为f(x)=x^2+y^2，显然，这个函数的极小值在原点，极小值为零，那么如何利用tensorflow求解呢？

1、确定输入

没具体的输入，非得有的话，就是（x, y）的初始值

2、确定输出

f(x)=x^2+y^2

3、确定损失

我们要求f的最小值，因此f本身可以作为损失

4、优化器选择

如题要求，梯度下降法

代码如下

import tensorflow as tf


with tf.name_scope("Inference"):#输出
    x = tf.Variable(tf.truncated_normal(shape=[1, 2], mean=0, stddev=1000))
    f = tf.matmul(a=x, b=x, transpose_a=False, transpose_b=True)

with tf.name_scope("Loss"):损失
    loss =