这篇文章给大家介绍了“TensorFlow自动求导原理是什么，具体怎么实现”的相关知识，讲解详细，步骤过程清晰，有一定的借鉴学习价值，因此分享给大家做个参考，感兴趣的朋友接下来一起跟随小编看看吧。

原理：

TensorFlow使用的求导方法称为自动微分（Automatic Differentiation），它既不是符号求导也不是数值求导，而类似于将两者结合的产物。

最基本的原理就是链式法则，关键思想是在基本操作（op）的水平上应用符号求导，并保持中间结果（grad）。

基本操作的符号求导定义在\tensorflow\python\ops\math_grad.py文件中，这个文件中的所有函数都用RegisterGradient装饰器包装了起来，这些函数都接受两个参数op和grad，参数op是操作，第二个参数是grad是之前的梯度。

链式求导代码：

举个例子：

补充：聊聊Tensorflow自动求导机制

自动求导机制

在即时执行模式下，Tensorflow引入tf.GradientTape()这个“求导记录器”来实现自动求导。

计算函数y(x)=x^2在x = 3时的导数：

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

#在tf.GradientTape()的上下文内，所有计算步骤都会被记录以用于求导
with tf.GradientTape() as tape:
    #y = x^2
    y = tf.square(x)
#计算y关于x的导数(斜率，梯度)
y_grad = tape.gradient(y,x)
print([y,y_grad])

输出：

[<tf.Tensor: shape=(), dtype=float32, numpy=9.0>, <tf.Tensor: shape=(), dtype=float32, numpy=6.0>]

以上就是关于“TensorFlow自动求导原理是什么，具体怎么实现”的相关知识，感谢各位的阅读，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注群英网络，小编每天都会为大家更新不同的知识。

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Python3中json读写中文乱码的问题怎么处理

  这篇文章主要介绍了解决python3 json数据包含中文的读写问题,需要的朋友可以参考下

• 用python怎样实现读取图片并显示出来？

  在实际的应用中，有些需求需要我们读取并显示图片，对此这篇文章就给大家分享用python实现读取图片并显示的3种方式，下文有具体的示例，感兴趣的朋友就继续往下看吧。

• Python反向密码算法的特点是什么，如何实现

  这篇文章主要为大家介绍了Python进行密码学反向密码的教程详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪

• Python  json操作函数是什么，有哪些方法

  json操作是最为基本的、最为常用的,Python自带的json模块就可以满足大部分应用场景,而且使用起来极为简单,下面这篇文章主要给大家介绍了关于Python中json操作的相关资料,需要的朋友可以参考下

• 在Python中字符串转化ascll码怎样做

  在编程中，我们常常会给代码加密。如果是进行特制移位加密，此时就应把字符换成ascll码。本文小编向大家介绍python中字符与ascll码相互转换的方法，即字符转化成ascll码使用ord函数，ascll码转化成字符使用chr函数。