TensorFlow梯度求解tf.gradients实例
我就废话不多说了,直接上代码吧!
importtensorflowastf w1=tf.Variable([[1,2]]) w2=tf.Variable([[3,4]]) res=tf.matmul(w1,[[2],[1]]) grads=tf.gradients(res,[w1]) withtf.Session()assess: tf.global_variables_initializer().run() printsess.run(res) printsess.run(grads)
输出结果为:
[[4]] [array([[2,1]],dtype=int32)]
可以这样看res与w1有关,w1的参数设为[a1,a2],则:
2*a1+a2=res
所以res对a1,a2求导可得[[2,1]]为w1对应的梯度信息。
importtensorflowastf defgradient_clip(gradients,max_gradient_norm): """Clippinggradientsofamodel.""" clipped_gradients,gradient_norm=tf.clip_by_global_norm( gradients,max_gradient_norm) gradient_norm_summary=[tf.summary.scalar("grad_norm",gradient_norm)] gradient_norm_summary.append( tf.summary.scalar("clipped_gradient",tf.global_norm(clipped_gradients))) returnclipped_gradients w1=tf.Variable([[3.0,2.0]]) #w2=tf.Variable([[3,4]]) params=tf.trainable_variables() res=tf.matmul(w1,[[3.0],[1.]]) opt=tf.train.GradientDescentOptimizer(1.0) grads=tf.gradients(res,[w1]) clipped_gradients=gradient_clip(grads,2.0) global_step=tf.Variable(0,name='global_step',trainable=False) #update=opt.apply_gradients(zip(clipped_gradients,params),global_step=global_step) withtf.Session()assess: tf.global_variables_initializer().run() printsess.run(res) printsess.run(grads) printsess.run(clipped_gradients)
以上这篇TensorFlow梯度求解tf.gradients实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。