TensorFlow 의 자동 가이드 원리 분석

원리:
TensorFlow 가 사용 하 는 가이드 방법 은 자동 미분(Automatic Differentiation)이 라 고 하 는데 기호 가이드 도 수치 가이드 도 아니 고 이들 을 결합 시 킨 결과 물 과 유사 하 다.
가장 기본 적 인 원 리 는 바로 체인 법칙 이다.관건 적 인 사상 은 기본 조작(p)의 수준 에서 기호 구 도 를 응용 하고 중간 결과(grad)를 유지 하 는 것 이다.
기본 작업 의 기호 구 도 는\tensor flow\python\ops\\math 로 정 의 됩 니 다.grad.py 파일 에서 이 파일 의 모든 함 수 는 RegisterGradient 장식 기로 포장 되 어 있 습 니 다.이 함수 들 은 모두 두 개의 인자 op 과 grad 를 받 아들 입 니 다.매개 변수 op 은 조작 이 고 두 번 째 매개 변 수 는 grad 는 이전의 경사도 입 니 다.
체인 가이드 코드:

예 를 들 어:













추가:Tensorflow 자동 가이드 메커니즘 에 대해 이야기 합 니 다.
자동 유도 메커니즘
실시 간 실행 모드 에서 Tensorflow 는 tf.GradientTape()라 는'가이드 기록 기'를 도입 하여 자동 구 도 를 실현 합 니 다.
계산 함수 y(x)=x^2 x=3 시의 도체:

import tensorflow as tf
#    
x = tf.Variable(initial_value = 3.)

# tf.GradientTape()     ，                
with tf.GradientTape() as tape:
    #y = x^2
    y = tf.square(x)
#  y  x   (  ，  )
y_grad = tape.gradient(y,x)
print([y,y_grad])

출력:
[, ]
이상 은 개인 적 인 경험 이 므 로 여러분 에 게 참고 가 되 기 를 바 랍 니 다.여러분 들 도 저 희 를 많이 응원 해 주시 기 바 랍 니 다.