我想了解一下tf.gradients中的grad_ys参数。我看到它就像一个真实梯度的乘法器，但它在定义中并不是crear。从数学上讲，整个表达式是什么样子的？
浏览 1提问于2017-02-23得票数 8
在tf.gradients中，有一个关键字参数grad_ys
grad_ys是与ys相同长度的张量列表，包含ys中每个y的初始梯度。当grad_ys为0时，我们对ys中的每一个y填充一个‘1’s的y形状的张量。用户可以为每个y提供自己的初始grad_ys以使用不同的初始梯度来计算导数(例如，如果希望对每个y中的每个值加权不同<
浏览 0提问于2018-06-21得票数 3
回答已采纳
1回答
在批处理上计算的函数的梯度
、、、、
我想使用Tensorflow来计算函数的梯度。但是，如果我使用tf.gradients函数，它会返回一个渐变列表。如何返回批次中每个点的列表？# in a tensorflow graph I have the following code
tf_x = tf.placeholder(dtype=tf.float32, shape=(None# this should have length N_samples because I did not ap
浏览 20提问于2019-05-02得票数 0
2回答
想象一个定义如下的微型网络，其中TensorFlow是一个典型的辅助函数，用于定义权重矩阵和激活函数的线性变量：但假设我得到的是损失的导数。来自外部源(例如，名为_deriv的tf.placeholder )的final_layer。如何通过内置优化器之一使用此梯度信息来反向传播和更新网络参数
浏览 1提问于2016-10-11得票数 4
当将张量列表作为其第一个参数传递时，tf.gradients究竟是如何表现的？= tf.gradients(c, [a, b]) sess.run(grads) # returns (1, 2)
根据Tensorflow文档，如果将张量列表作为第一个参数ys传递，tf.gradients将对该列表上的梯度进行求和，为第二个参数中的每个x返
浏览 7提问于2017-07-17得票数 0
回答已采纳
我使用.meta、.index、检查点和..data 0001文件存储了Tensorflow模型。我的模型是使用nce_loss。本质上，我想得到我的损失函数的梯度，在给定的输入中，我不需要重新定义损失变量，只需要从恢复的版本调用操作。所以：grads = tf.gradients(loss,loss.inpu
浏览 1提问于2019-02-11得票数 2
回答已采纳
是否可以将TensorFlow的tf.gradients()函数分成几个部分，即计算损失的梯度w.r.t某个张量和这个张量w.r.t的权重，然后乘以它们得到从损失到重量的原始梯度？例如，让W,b是一些权重，让x是网络的输入，让y0表示标签。然后尝试使用var=tf.get_default_graph().get_tensor_by_name(...)提取中间张量，然后计算两个梯度：g1=tf.gradients(loss,var)和g
浏览 0提问于2018-04-28得票数 2
回答已采纳
我对tf.gradients()在图形模式中的行为有一个疑问，而不是tf.gradientTape.gradient()。给定一个可微函数y= f( x)，其中x和y是单个tensorflow张量，那么tf.gradient(y，x)与tape.gradient(y，x)的行为有什么区别吗？不知道为什么tensorflow有两种不同的梯度方法，它们可以用于图形模式--也许在实现上有一些细微的差别？我已经查看了gradientTape和tf.gr
浏览 0提问于2021-08-22得票数 1
嘿，我试着熟悉tensorflow，并且对这个错误有困难，google并没有提供太多.x = tf.placeholder(tf.float32)y = x**2
g = tf.gradients(y, x) * c
浏览 1提问于2016-06-25得票数 0
回答已采纳
1回答
我刚刚通读了Tensorflow文档，发现tf.gradients(tf.gradients(ys, xs, grad_ys=None, name='gradients', colocate_gradients_with_ops=False, gate_gradients=False, aggregation_method=None)可以用来计算与dy/dx相关的梯度。目前，我想计算dz(f(x))/dx的梯度(应该使用链式规则将其分解为dz&#x
浏览 0提问于2016-09-01得票数 1
我想实现这样一个函数:如果x == k，f(x) = 1，否则f(x) = 0(k是一个参数)。所以我使用了tf.equal和tf.cast，我的代码是这样的：a = tf.Variable(a)b =sess.run(init)d = tf.cast(c, tf.int32)print sess.run(d)
看起来不错，，但问题是<
浏览 8提问于2017-09-24得票数 1
回答已采纳
1回答
我发现，如果我想在tensorflow 2中使用tf.gradients而不是梯度磁带，我可以通过将代码包装在tf.function-decorated函数中来做到这一点。但不知怎么的，我不能用这种方法来计算变量的梯度：a = tf.Variable(initial_value=1.0, dtype=tf.float32)b = 0.01 * a
def get_grads(
浏览 2提问于2020-08-06得票数 0
回答已采纳
1回答
一个可以工作的实现使用了深度包，如下所示： dy_t = dde.grad.jacobian(y, x, j=1) dy_t应该可以使用直接对张量进行运算的梯度函数来进行微分，以便将计算结果集成到反向传播算法中import tensorflow as tf
#!pip install
浏览 21提问于2021-12-13得票数 0
我正在使用TensorFlow创建一个新模型，其中包含一个动态循环。我正在使用tf.while_loop来实现这个实例。我遇到的一个问题是：在执行以下操作时出现此问题然后，我尝试打印所有的params，结果是每个参数都有一个形状。我认
浏览 4提问于2016-05-18得票数 7
我想在keras中创建自己的损失函数，它包含导数。linear'))model.compile(loss=model_loss, optimizer='adam')
它类似于 post，但这篇文章将二维变量分离为两个一维变量。有没有其
浏览 58提问于2019-03-14得票数 0
回答已采纳
我刚开始学习tensorflow，在使用tf.gradients和tf.hessain函数时遇到了以下错误。下面给出了tf.gradients的代码和错误。import tensorflow as tfb = [[1.0,2.0],[3.0,4.0]]e = tf.reshape(b,[4])
d =
浏览 4提问于2017-04-28得票数 2
回答已采纳
我成功地使用了tf.gradients两次，但是当第二次应用它时，它会在第一个输入中对派生项进行求和(请参阅我的代码中的second_derivatives )。此外，我设法检索Hessian矩阵，但我只想计算它的对角线，以避免额外的计算。import tensorflow as tfloss = tf.re
浏览 11提问于2016-07-05得票数 13
回答已采纳
嗨，我正在遵循的官方tensorflow示例，在java中构造我的计算图，而不是使用用python构建的计算图。我看到他们构造了一个用于图像预处理的图形，这不需要任何回推。因此，我的问题是，如果我想为完全训练构建一个计算图，我是遵循相同的步骤(为操作系统创建静态API)，还是需要做更多的事情来管理反向传播的梯度？
浏览 0提问于2018-04-04得票数 0
回答已采纳
1回答
我尝试使用tensorflow.contrib.distributions中提供的伯努利分布的实现和基于这个的我自己的简单实现。然而，当我尝试计算梯度时，这两种方法都失败了。使用Bernoulli实现：from tensorflow.contrib.distributions import Bernoulli
b = Berno
浏览 27提问于2017-01-31得票数 4
回答已采纳
我有一个神经网络模型，它为大约9个输入X输出一个大小约为4000的向量Y。我需要用一个或两个输入X_1或X_2计算Y的输出的偏导数。我已经有了这些导数，并且我已经为X_1和X_2训练了两个不同的神经网络。它做得很好，但问题是导数没有计算Y的神经网络准确。我希望有一种方法可以从最终/优化的神经网络中计算输出向量Y到X中的一个输入的导数，这样我就不需要为导数训练两个额外的神经网络。 有没有办法用autograd
浏览 18提问于2019-02-11得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
