Python tensorflow.gradients()用法及代碼示例

TensorFlow是Google設計的開源Python庫，用於開發機器學習模型和深度學習神經網絡。

gradients()用於獲取ys w.r.t之和的符號導數。 x在xs中。啟用急切執行後，此函數將無效。

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

參數：

• ys:它是需要區分的張量或張量列表。
• xs:它是用於區分的張量或張量列表。
• grad_ys(可選)：它是張量或張量列表，用於計算y的梯度。
• name(optional):一起使用組梯度運算。默認值為漸變。
• gate_gradients(可選)：它用來避免比賽條件。如果為true，它將在為操作返回的漸變周圍添加一個元組。
• aggregation_method(可選)：它的值是在AggregationMethod類中定義的常量。
• stop_gradients(可選)：這是張量或張量列表，無法區分。
• unconnected_gradients(可選)：它指定當給定的輸入張量未連接時返回的梯度值。接受的值是在UnconnectedGradients類中定義的常量。

返回值：長度為len(xs)的張量的列表，其中每個張量是ys中y和xs中x的總和(dy /dx)。

範例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()

輸出：

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

範例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()

輸出：

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