Python tensorflow.gradients()用法及代码示例

TensorFlow是Google设计的开源Python库，用于开发机器学习模型和深度学习神经网络。

gradients()用于获取ys w.r.t之和的符号导数。 x在xs中。启用急切执行后，此函数将无效。

Syantx：tensorflow.gradients(ys，xs，grad_ys，名称，gate_gradients，aggregation_method，stop_gradients，unconnected_gradients)

参数：

• ys:它是需要区分的张量或张量列表。
• xs:它是用于区分的张量或张量列表。
• grad_ys(可选)：它是张量或张量列表，用于计算y的梯度。
• name(optional):一起使用组梯度运算。默认值为渐变。
• gate_gradients(可选)：它用来避免比赛条件。如果为true，它将在为操作返回的渐变周围添加一个元组。
• aggregation_method(可选)：它的值是在AggregationMethod类中定义的常量。
• stop_gradients(可选)：这是张量或张量列表，无法区分。
• unconnected_gradients(可选)：它指定当给定的输入张量未连接时返回的梯度值。接受的值是在UnconnectedGradients类中定义的常量。

返回值：长度为len(xs)的张量的列表，其中每个张量是ys中y和xs中x的总和(dy /dx)。

范例1：

# Importing the library 
import tensorflow as tf 
  
# Defining function 
@tf.function 
def gfg():
  a = tf.ones([1, 2]) 
  b = 5*a 
  
  # Calculaing gradient 
  g1 = tf.gradients([b+a], [a]) 
  
  # Printing result 
  print("res:",g1) 
  
# Calling the  function 
gfg()

输出：

res: [<tf.Tensor 'gradients/AddN:0' shape=(1, 2) dtype=float32>]

范例2：

# Importing the library 
import tensorflow as tf 
  
# Defining function 
@tf.function 
def gfg():
  a = tf.ones([1, 2]) 
  b = 5*a 
  
  # Calculaing gradient 
  g1 = tf.gradients([b], [a]) 
  
  # Printing result 
  print("res:",g1) 
  
# Calling the  function 
gfg()

输出：

res: [<tf.Tensor 'gradients/mul_grad/Mul_1:0' shape=(1, 2) dtype=float32>]