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。
gradient()用于使用在此磁带上下文中记录的操作来计算梯度。
用法：gradient(target, sources, output_gradients, unconnected_gradients)
参数：
- target:它是Tensor或要区分的Tensor列表。
- sources:它是Tensor或Tensor列表。目标值与来源有所区别。
- output_gradients:它是渐变列表，默认值为“无”。
- unconnected_gradients:它的值可以为无或为零，默认值为无。
返回值：它返回Tensor的列表或嵌套结构。
范例1：
Python3
# Importing the library
import tensorflow as tf
x = tf.constant(4.0)
# Using GradientTape
with tf.GradientTape() as gfg:
gfg.watch(x)
y = x * x * x
# Computing gradient
res = gfg.gradient(y, x)
# Printing result
print("res:",res)输出：
res: tf.Tensor(48.0, shape=(), dtype=float32)
范例2：
Python3
# Importing the library
import tensorflow as tf
x = tf.constant(4.0)
# Using GradientTape
with tf.GradientTape() as gfg:
gfg.watch(x)
# Using nested GradientTape for
# calculating higher order derivative
with tf.GradientTape() as gg:
gg.watch(x)
y = x * x * x
# Computing first order gradient
first_order = gg.gradient(y, x)
# Computing Second order gradient
second_order = gfg.gradient(first_order, x)
# Printing result
print("first_order:",first_order)
print("second_order:",second_order)输出：
first_order: tf.Tensor(48.0, shape=(), dtype=float32) second_order: tf.Tensor(24.0, shape=(), dtype=float32)
相关用法
注：本文由纯净天空筛选整理自aman neekhara大神的英文原创作品 Python – tensorflow.GradientTape.gradient()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。