时间戳

首页 > 解决方案 > 计算张量流梯度

python - 计算张量流梯度

问题描述

我对tensorflow 梯度文档中用于计算梯度的示例感到困惑。

a = tf.constant(0.)
b = 2 * a
g = tf.gradients(a + b, [a, b])

with tf.Session() as sess:
    print(sess.run(g))

这使[3.0, 1.0]

我觉得我真的错过了一些明显的东西，但如果a本质上是0那么b，因此a+b =0。那么关于 a 和 b 的微分零如何给你类似的东西[3.0, 1.0]。

我相信我在这里误解了张量流结构/语法。

标签： pythontensorflowcalculus

解决方案

为了比较，考虑一个实变量的实值函数f : R → R，由f ( x ) = 10 x给出。这里，f '( x ) = 10，不管x的值如何，所以特别是f '(0) = 10。

类似地，正如教程中所解释的那样，根据定义，( a , b ) ↦ a + b对于b ( a ) = 2 a的总导数是 (3, 1)，它与​​a无关。

举一个不那么简单的例子，让我们考虑

a = tf.constant(5.)
b = 2 * a
g = tf.gradients(a**3 + 2*b**2, [a, b])

with tf.Session() as sess:
    print(sess.run(g))

这里，关于a的全导数是a ↦ a ³ + 2(2 a )² = a ³ + 8 a ² 的导数，它变成a ↦ 3 a ² + 16 a，而关于b的导数是a ↦ 4 b ( a ) = 8 a。因此，在a = 5 时，我们期望结果为 (3 · 5² + 16 · 5, 8 · 5) = (155, 40)，并且运行代码正是你得到的。

推荐阅读