使用TensorFlow的平移梯度
平移梯度（Translation Gradient）是指在使用TensorFlow进行深度学习模型训练时，通过对模型参数进行微小的平移操作，观察模型在不同平移位置上的性能变化，并计算出性能变化对于平移位置的梯度。平移梯度可以帮助我们理解模型对于输入数据的敏感性，以及模型在不同位置上的鲁棒性。
平移梯度的计算可以通过以下步骤进行：
- 首先，我们需要定义一个损失函数，用于衡量模型在给定输入数据上的性能。常见的损失函数包括均方误差（Mean Squared Error）和交叉熵（Cross Entropy）等。
- 接下来，我们通过TensorFlow的自动微分功能，计算损失函数对于模型参数的梯度。这可以通过调用
tf.GradientTape()来实现。 - 在计算梯度之前，我们需要对输入数据进行平移操作。可以通过调用
tf.roll()函数来实现。tf.roll()函数可以将输入数据在指定维度上进行循环平移。 - 在进行平移操作后，我们重新计算模型在平移后数据上的损失函数，并计算损失函数对于平移位置的梯度。这可以通过调用
tf.GradientTape()来实现。 - 最后，我们可以根据计算得到的平移梯度，分析模型对于输入数据的敏感性和鲁棒性。较大的平移梯度表示模型对于输入数据的微小平移更加敏感，而较小的平移梯度表示模型在不同位置上的性能变化较小。
TensorFlow是一个开源的深度学习框架，提供了丰富的工具和库，用于构建和训练各种类型的深度学习模型。在使用TensorFlow进行深度学习模型训练时，可以利用平移梯度来分析模型的鲁棒性和输入数据的敏感性。
腾讯云提供了一系列与深度学习相关的产品和服务，可以帮助用户快速构建和训练深度学习模型。其中，推荐的产品是腾讯云的AI Lab，它是一个集成了多种深度学习框架和工具的开发环境，提供了丰富的资源和功能，方便用户进行深度学习模型的开发和训练。您可以通过访问腾讯云AI Lab的官方网站（https://cloud.tencent.com/product/ailab）了解更多信息。
相关·内容
我正在使用Tensorflow生成一组输入向量(X)到目标向量(Y)的转换矩阵。为了最小化转换后的输入和目标向量样本之间的误差，我使用了梯度下降算法。稍后，我想使用生成的矩阵来转换来自与训练输入向量相同来源的向量，以便它们看起来像相应的目标向量。线性回归，很大程度上，但与三维目标。
我可以假设输入和目标向量在笛卡尔空间中。因此，变换矩阵应该由旋转和平移组成。我只处理单位向量，所以我也可以安全地假设没有平移，只有旋转。
为了得到一个有效的旋转矩阵，我可以把它变成一个旋转四元数，我知道我必须确保这个矩阵是正交的。
因此，问题是，是否可以给Tensorflow某种约束，使它试图收敛的矩阵保证是正交的
浏览 1提问于2018-03-22得票数 1
我想在TensorFlow中构建分类器时，使用带有动量的梯度下降(跟踪以前的梯度)。
所以我不想使用tensorflow.train.GradientDescentOptimizer，但我想使用tensorflow.gradients来计算梯度，跟踪以前的梯度，并根据它们更新权重。
我如何在TensorFlow中做到这一点？
浏览 16提问于2016-08-26得票数 5
我正在经历中的TensorFlow Eager，我发现很难理解定制渐变的部分。
@tfe.custom_gradient
def logexp(x):
e = tf.exp(x)
def grad(dy):
return dy * (1 - 1/(1 + e))
return tf.log(1 + e), grad
首先，很难理解dy在梯度函数中做了什么。
当我读到tf.contrib.eager.custom_gradient的实现时。我真的不能理解磁带背后的工作机制。下面是我从tf.contrib.eager.custom_gradient实现中借用
浏览 2提问于2018-03-22得票数 1
我理解自动微分的概念，但找不到任何解释tensorflow如何计算不可微函数的误差梯度，例如我的丢失函数中的tf.where或图形中的tf.cond。它工作得很好，但是我想了解tensorflow是如何通过这样的节点反向传播错误的，因为没有计算它们的梯度的公式。
浏览 1提问于2018-11-08得票数 9
回答已采纳
1回答
我在第二层使用乙状结肠激活，然后在最后一层使用tf.images.resize_images()进行调整大小。
目标张量的最大值为1.0。在骰子错误成本函数中。
def dice(y_true, y_pred):
return 1.0-dice_coef(y_true, y_pred, 1e-5, 0.5)
def dice_coef(y_true, y_pred, smooth, thresh, axis = [1,2,3]):
y_pred = K.round(y_pred)
inse = K.sum(K.dot(y_true, K.transpose(y_pre
浏览 4提问于2017-09-12得票数 2
回答已采纳
1回答
我对tensorflow相当陌生，我看过一些教程，但我不知道tf.gradients()是如何工作的。如果我给它两个二维矩阵的输入，它将如何计算偏导数？我真的很困惑，请帮助我，如果你可以，这将是一个很大的帮助。
import tensorflow as tf
import numpy as np
X = np.random.rand(3,3)
y = np.random.rand(2,2)
grad = tf.gradients(X,y)
with tf.Session() as sess:
sess.run(grad)
print(grad)
这就产生了一个错误：
回溯
浏览 4提问于2017-05-12得票数 2
回答已采纳
在TensorFlow或Theano中，你只告诉图书馆你的神经网络是怎样的，以及前馈应该如何操作。
例如，在TensorFlow中，您可以编写：
with graph.as_default():
_X = tf.constant(X)
_y = tf.constant(y)
hidden = 20
w0 = tf.Variable(tf.truncated_normal([X.shape[1], hidden]))
b0 = tf.Variable(tf.truncated_normal([hidden]))
h = tf.nn.softma
浏览 2提问于2016-02-11得票数 10
回答已采纳
1回答
我最近读了一段Pytorch代码，遇到了loss.backward()和optimizer.step()函数，有没有类似于使用tensorflow/keras的函数呢？
浏览 2提问于2020-05-05得票数 6
下面的代码计算实对称矩阵的特征值分解。然后，计算第一特征值相对于矩阵的梯度。这是三次完成的: 1)使用解析公式，2)使用TensorFlow，3)使用PyTorch。这会产生三种不同的结果。有人能给我解释一下这种行为吗？
import numpy as np
import torch
import tensorflow as tf
np.set_printoptions(precision=3)
np.random.seed(123)
# random matrix
matrix_np = np.random.randn(4, 4)
# make symmetric
matrix_np
浏览 4提问于2019-11-14得票数 3
我正在读TensorFlow教程()。
我对此有两个问题：
为什么它要使用cost function with y_ * log(y)？不是应该是y_ * log(y) + (1-y_) * log(1-y)吗
TensorFlow如何知道如何计算我使用的cost function的gradient？我们是不是该找个地方告诉TensorFlow如何计算gradient
谢谢!
浏览 0提问于2016-04-25得票数 4
回答已采纳
目标：
我试着用Tensorflow和numpy测试一种训练算法。我想提取渐变到numpy，操作它们，然后将它们应用到Tensorflow的变量中。
我知道这种方法效率低下。我这么做是因为我在numpy中的实现是有效的，而且我正在尝试首先找出如何操作Tensorflow中的渐变。
我有什么
这是我所拥有的一个总结。
# Extract Gradients and Values
tgv = tf.train.GradientDescentOptimizer(learning_rate=0.05).compute_gradients(cross_entropy, var_list=[W1, b1,
浏览 0提问于2019-08-02得票数 0
1回答
一些Tensorflow操作(例如tf.argmax)是不可微的(即在反向传播中没有计算和使用梯度)。
对的回答建议在Tensorflow代码中搜索RegisterGradient。我还注意到Tensorflow有一个tf.NotDifferentiable应用程序接口调用，用于声明操作是不可区分的。
如果我使用不可微函数，是否会发出警告？有没有一种编程的方法来确保我的整个计算图是可微的？
浏览 10提问于2017-08-21得票数 3
1回答
我正在为情绪分类做一个RNN，同时使用多到一个结构。为了使我的RNN能够在HTML文件中运行。
为了使问题简短和简单：
什么是Tensorflow的Tensorflow.js ( python版本) tf.train.GradientDescentOptimizer(1.0).minimize(loss)
浏览 0提问于2020-08-14得票数 1
回答已采纳
我正在读一本书(TensorFlow For Dummies，Matthew Scarpino)，这里说：
Adagrad方法计算的是次梯度而不是梯度。次梯度是适用于不可微函数的梯度的推广。这意味着AdaGrad方法可以优化可微函数和不可微函数。
但我在其他地方都没见过这样的说法。所以我想知道：
我们真的可以仅仅因为我们使用Adagrad而优化不可微损失函数吗？
浏览 0提问于2019-02-16得票数 3
回答已采纳
我正在学习如何使用Tensorflow，在这一点上，我真的被困住了，无法理解它。假设我有一个5层的网络，其输出由output表示。现在假设我想找出output相对于layer_2的梯度。为此，我将在Tensorflow中编写如下代码：
gradients_i_want = tf.gradients(output, layer_2)
从理论上讲，这个梯度应该通过链式法则来计算。我想问一下，Tensorflow是通过链式规则计算这些梯度，还是只取output对layer_2的导数
浏览 5提问于2018-02-10得票数 0
回答已采纳
我最近在tensorflow上工作，对tensorflow中的自动毕业有一些怀疑。假设我们有一个丢失的函数loss = sigmod (theta * x)，其中x是占位符，表示输出输入特征，theta是参数。当我们调用sess.run时，如何确定x或theta来计算梯度并对其进行更新。tf是否同时计算x和theta gradients的损失梯度w.r.t并同时更新它们？
浏览 3提问于2017-09-09得票数 0
我正在尝试切换到TensorFlow热切模式，我发现GradientTape、implicit_gradients、gradients_function和implicit_value_and_gradients的文档令人费解。
他们之间有什么区别？我什么时候应该用一个而另一个呢？
根本没有提到隐式*函数，但是TensorFlow存储库中的几乎所有示例似乎都使用该方法来计算梯度。
浏览 1提问于2018-04-30得票数 11
回答已采纳
在实践中，我想在tensorflow中实现一个模型，它给出输入的平方。我的代码工作正常，但是当我查看TensorBoard中的计算图时，丢失操作没有连接到梯度子图，也没有连接到Adam。为什么会这样呢？据我所知，计算梯度时，tensorflow必须导出损失。
这是我的代码：
import numpy as np
import tensorflow as tf
np_inp = np.array([3, 6, 4, 2, 9, 11, 0.48, 22, -2.3, -0.48])
np_outp = np.power(np_inp, 2)
inputs = tf.Variable(np_i
浏览 5提问于2019-09-04得票数 1
回答已采纳
我想在Tensorflow中使用一个预先训练过的Pytorch模型，并且我需要将tensorflow张量转换为pytorch张量。但是，我不想将Py手电筒张量转换为numpy数组，并将其转换为tensorflow张量，因为我得到的错误是“您必须为占位符张量提供一个值”。当我制作图形时，我需要这个转换，这样tensorflow张量就没有价值了，并且不能转换为numpy！有什么解决办法吗？
浏览 5提问于2021-01-24得票数 2
回答已采纳
假设您需要创建一个仅使用预定义的tensorflow构建块无法实现的激活函数，您该怎么办？
因此，在Tensorflow中，可以创建自己的激活函数。但它相当复杂，你必须用C++编写它，然后重新编译整个tensorflow 。
有没有更简单的方法？
浏览 4提问于2016-10-08得票数 57
回答已采纳
我在急切的执行中使用TensorFlow 1.12，并且为了调试目的，我希望在训练期间检查渐变和权重的值。使用TensorBoard获得了很好的权重图和历次梯度分布图，这就是我想要的。然而，当我使用时，我得到了以下内容：
WARNING:tensorflow:Weight and gradient histograms not supported for eagerexecution, setting `histogram_freq` to `0`.
换句话说，这与急切的执行不兼容。还有其他方法来打印渐变和/或奇异值吗？大多数非TensorBoard的答案似乎依赖于基于图形的执行。
浏览 1提问于2019-09-08得票数 6
回答已采纳
根据这个文档，说
Defined in tensorflow/python/ops/gen_nn_ops.py.
但是，当我转到tensorflow/python/ops/gen_nn_ops.py时，没有定义l2_loss。
我想看看使用tf.nn.l2_loss(W)和仅仅使用tf.reduce_sum(tf.square(W))之间有什么区别。
浏览 5提问于2017-10-10得票数 0
回答已采纳
我正在使用Tensorflow，并且正在使用已经为TensorFlow1 (https://github.com/openai/maddpg/blob/master/maddpg/common/tf_util.py)实现的代码。在将代码迁移到tensorflow 2时，我能够使用在线提供的文献进行大多数更改。但是，我找不到145行的合适替代品： gradients = optimizer.compute_gradients(objective, var_list=var_list) 这将抛出一个错误 Attribute Error: 'Adam' object has no
浏览 429提问于2021-05-07得票数 4
1回答
我正在使用TensorFlow实现一些基本的ML代码。我想知道是否有人能给我一个简短的解释，在以下功能的步骤大小和学习率的含义和区别。
我使用设置参数学习速率，使用设置步骤数。我一直在查阅关于这些函数的tensorflow.org文档，但我仍然没有完全理解这些参数的含义。
谢谢，如果我还能提供更多的信息，请告诉我。
浏览 2提问于2020-01-25得票数 4
回答已采纳
1回答
我如何创建一个渐变栏，以便当我平移它时，我可以改变颜色？
我可以轻松地添加UIPanGestureRecognizer并在UIView中得到一些转换，但是如何适当地更改UIColor的RGB值呢？
浏览 2提问于2014-07-16得票数 1
回答已采纳
我已经为我的自定义操作实现了一个内核，并将它作为custom_op.cc放到custom_op.cc中。在Op内部，我做所有的注册工作，比如REGISTER_OP和REGISTER_KERNEL_BUILDER。
然后，我在Python中实现了这个Op的梯度，并将它放在与custom_op_grad.py相同的文件夹中。我在这里也做了所有的注册(@ops.RegisterGradient)。
我已经创建了构建文件，其内容如下：
load("//tensorflow:tensorflow.bzl", "tf_custom_op_library")
tf_custo
浏览 7提问于2016-05-29得票数 0
回答已采纳
1回答
我试图在TensorFlow 2.0中用GP实现WGAN。要计算梯度惩罚，需要计算与输入图像相关的预测的梯度。
现在，为了使它更易于处理，它不需要计算所有输入图像的预测梯度，而是按照原始数据点和假数据点的线计算插值数据点，并使用这些数据点作为输入。
为了实现这一点，我首先开发compute_gradients函数，它将进行一些预测，并返回那些相对于某些输入图像的梯度。首先，我想用tf.keras.backend.gradients来做这件事，但是它不能在急切的模式下工作。所以，我现在尝试使用GradientTape来完成这个任务。
下面是我用来测试事物的代码：
from tensorflow.
浏览 2提问于2020-03-19得票数 1
回答已采纳
在tensorflow中，RMSPROP优化器可以与tf.train.RMSPropOptimizer函数一起使用，如下所示(这与tensorflow版本1.4相关)。
tf.train.RMSPropOptimizer(
learning_rate, decay=0.9, momentum=0.0, epsilon=1e-10, use_locking=False,
centered=False, name='RMSProp'
)
但它并不表示如何初始化每个权重的平方梯度的移动平均值。tensorflow如何初始化它？
浏览 0提问于2020-06-22得票数 0
回答已采纳
我试图通过Tensorflow编写一个具有自定义丢失功能的Keras 2 LSTM：
model.compile(loss=in_top_k_loss, optimizer='rmsprop', metrics=[bin_crossent_true_only, 'binary_crossentropy', 'mean_squared_error', 'accuracy'])
我的培训集有不同大小的时间维度的示例，因此我使用train_on_batch，其中每个批只包含具有相同时间维度的实例。批次大小是256。以下代码在第一个时代(
浏览 0提问于2017-04-20得票数 2
回答已采纳
1回答
我试图在我的输出层使用tf.floor，但是即使我试图用身份梯度覆盖它，仍然得到“无梯度”的错误。 import tensorflow as tf
from tensorflow import keras
def transfer(x):
with tf.compat.v1.get_default_graph() as g:
with g.gradient_override_map({'Floor': 'Identity'})
return tf.floor(x * 90) / 90
input = kera
浏览 10提问于2020-01-09得票数 1
回答已采纳
我正在尝试使用TensorFlow的@tf.custom_gradient功能为具有多个输入的函数指定自定义渐变。我可以只为一个输入设置工作，但不能为两个或更多输入设置。 我的代码基于TensorFlow's custom_gradient documentation，它对于一个输入来说工作得很好，如下例所示： import tensorflow as tf
import os
# Suppress Tensorflow startup info
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
# Custom gra
浏览 44提问于2019-01-05得票数 1
回答已采纳
更新了，感谢，我能够用tensorflow构建一个工作步骤函数。(见下文代码)
现在我的问题演变成
如何利用在tf_stepy中创建的tensorflow激活函数在keras中工作？
我试图在keras中使用以下代码来利用tf_stepy，但不起作用：
from tensorflow_step_function import tf_stepy
def buy_hold_sell(x):
return tf_stepy(x)
get_custom_objects().update({'custom_activation': Activation(buy_hol
浏览 2提问于2017-07-17得票数 2
1回答
我试图用tensorflow 2.6.0绘制显着性地图。我用tensorflow.keras.models.Sequential定义了模型并完成了训练。但是，当我试图计算这样的梯度时：
with GradientTape(persistent=True) as tape:
tape.watch(image)
result = model.predict(image)[:, 4]
gradient = tape.gradient(result, image)
其中，image是张量，而[:, 4]是为这个图像选择实际的标签。
image.shape = (1, 48, 4
浏览 4提问于2021-11-01得票数 1
回答已采纳
在运行我的实验时，我注意到在GPU支持下使用tensorflow的计算时间出现了奇怪的下降。每次迭代(1000个学习步骤)，模型大小增加200个隐藏神经元(具有一个隐藏层的简单完全连接的nn )。现在，我测量了每次迭代所需的时间，并注意到不同版本的算法在同一地点出现了这种下降。因此，这可能与机器上的某些外部事件无关，因为实验是连续运行的。在达到一定的模型大小后，tensorflow有什么可以利用的吗？
浏览 2提问于2018-04-15得票数 0
有没有办法在Tensorflow上使用弹性传播？我知道有很多反向传播策略。有接近rPorp的吗？我可以插入我自己的弹性传播的实现吗？
浏览 4提问于2017-02-17得票数 2
回答已采纳
我正在为tensorflow实现一个准牛顿优化器，我的问题是，当优化器apply_gradients函数在minimize函数中被调用时，梯度是否适用于张量在那个时刻发生的值？
干杯，谢尔盖
浏览 6提问于2017-03-12得票数 0
回答已采纳
在tensorflow中，是否可以使用非光滑函数作为损失函数，例如分段(或如果-否则)？如果你不能，为什么你可以使用ReLU？
在这个链接中，它说
例如，我们可能希望将日志丢失降到最低，但我们感兴趣的指标可能是F1评分，或者与Union评分的交集(这是不可区分的，因此不能用作损失)。
这是否意味着“不可区分”，例如设定的问题？因为对于ReLU，在0点，它是不可微的。
如果使用这种自定义的损失函数，是否需要自己实现梯度？还是tensorflow可以自动帮你做？我检查了一些压缩损失函数，它们没有为它们的损失函数实现梯度。
浏览 5提问于2016-11-22得票数 22
我刚开始学习tensorflow，在使用tf.gradients和tf.hessain函数时遇到了以下错误。下面给出了tf.gradients的代码和错误。
import tensorflow as tf
a = tf.placeholder(tf.float32,shape = (2,2))
b = [[1.0,2.0],[3.0,4.0]]
c = a[0,0]*a[0,1]*a[1,0] + a[0,1]*a[1,0]*a[1,1]
e = tf.reshape(b,[4])
d = tf.gradients(c,e)
sess = tf.Session()
print(sess.run
浏览 4提问于2017-04-28得票数 2
回答已采纳
Tensorflow和深度学习主要用于图像处理(分类、识别)、NLP、语音和文本处理。我以前用过Spark MLLIB和Mahout吗？Tensorflow有深度神经网络的例子-- 。逻辑回归、梯度提升树等可以在Tensorflow或DL框架中建模吗？
浏览 8提问于2017-08-04得票数 0
1回答
创建自定义层
、、、、
我正在尝试在tensorflow中创建一个标志层。因为符号的梯度为零，所以我想创建一个这样的函数： ? 但是我不知道应该在哪里写反向函数？
浏览 17提问于2020-06-24得票数 1
1回答
我目前正在尝试为强化学习创建一个简单的ANN学习环境。我已经通过神经元网络进行了拟合，用物理模型代替了神经元网络。出于好奇，现在我想创建一个简单的强化学习模型。 为了创建这个模型，我认为一个很好的选择是操纵损失函数，不计算期望和模型输出之间的差异，而是运行几轮简单的模拟，并计算模型在哪里可以为特定的目标赢得分数。在下面的示例代码的情况下，模型是一个简单的质量阻尼器系统，以随机激励和速度开始。该模型可以对其施加作用力。这些点基于与平衡点之间的距离。最后，我通过将1除以所获得的点数来反转积分。我不确定这是否是正确的方法，但为了学习，我还是想尝试一下。现在我得到了错误消息No gradients
浏览 27提问于2020-12-01得票数 2
tensorflow如何单独优化批次的元素损失，而不是优化批次损失？ 在对每个批次的损失进行优化时，常用的方法是对所有批次的元素损失进行求和或取其平均值作为批次损失，然后对该批次损失进行优化。在我的例子中，我想单独优化每个元素的损失，而不是将它们一起减少为批量损失。 例如，在以下代码中。 losses = tf.nn.nce_loss(<my batch inputs here>)
loss = tf.reduce_mean(losses)
optim = tf.nn.GradientDesentOptimizor(learning_rate = 0.01).minimize(l
浏览 17提问于2019-04-19得票数 0
Tensorflow版本: Tensorflow 2.1
我想得到与输入有关的梯度，而不是相对于可训练权重的梯度。我将示例从调整为
import tensorflow as tf
import numpy as np
physical_devices = tf.config.experimental.list_physical_devices('GPU')
assert len(physical_devices) > 0, 'Not enough GPU hardware devices available'
tf.config.experimental
浏览 1提问于2020-02-09得票数 0
2回答
关于神经网络的批量训练，我很少有疑问。
首先，当我们使用批处理训练更新权重时，更改量是批处理大小的累积梯度。在这种情况下，变化量是梯度之和吗？还是梯度的平均值？
如果答案是梯度的总和，变化的数量将远远大于在线培训，因为数量是累积的。在这种情况下，我认为权重不能很好地优化。
否则，如果答案是梯度的平均值，那么优化权重似乎是非常合理的。然而，在这种情况下，我们必须培训更多的时间比在线培训，因为它只更新一次的权重，只有一批大小的数据。
第二，不管第一个问题的答案是，当我使用Tensorflow的CNN样本代码进行MNIST时，它可以快速优化权重，因此即使在第二步，训练的准确率也会达到90%以上。
=
浏览 2提问于2017-07-18得票数 6
回答已采纳
1回答
最近在tensorflow 2.0中引入了神经结构学习(NSL)。我在tensorflow站点上通过了NSL上的，以及关于“图像分类的对抗性正则化”的。从概念上讲，我不清楚这是如何工作的。如何生成额外的对抗性样本，对抗性培训意味着什么，以及它如何帮助实现更高的准确性/性能？额外的代码确实很短，但是这段代码在幕后做什么还不清楚。会感激从外行人的角度一步一步的解释。
浏览 7提问于2019-11-11得票数 1
回答已采纳
我试图在Tensorflow 2.0中使用gradient_override_map。这里有一个，我也将用它作为示例。
在2.0中，GradientTape可用于计算梯度，如下所示：
import tensorflow as tf
print(tf.version.VERSION) # 2.0.0-alpha0
x = tf.Variable(5.0)
with tf.GradientTape() as tape:
s_1 = tf.square(x)
print(tape.gradient(s_1, x))
还有tf.custom_gradient装饰符，它可以用于定义新函数的梯
浏览 1提问于2019-04-19得票数 6
回答已采纳
1回答
我一直在跟踪使用实现的pyTorch，并希望使用Tensorflow和Keras进行测试。我在Keras中使用了相同的加权模型(VGG16)，并且能够成功地执行向前通过和元素的分区。
# keras-tensorflow implementation
z = incr(clasifierLayers[l](A[l])) # forward pass step(1)
s = (R[l+1]/z) # Element wise division step(2)
但是我在重新创建反向传递时遇到了麻烦。在使用的原始代码( pyTorch )中，向后传递将使用
# pyTorch implementat
浏览 7提问于2020-06-24得票数 2
我是tensorflow的初学者，我想实现MLP并基于反向传播算法对其进行训练，但当我阅读教程时，我发现它使用了像“随机梯度下降”这样的优化器，并在没有实现算法阶段的情况下调用了反向传播。这是如何反向传播的？
浏览 8提问于2016-12-15得票数 1
我读过和，但对于使用TensorFlow及其参数服务器体系结构所能完成的分布式培训背后的动态，我仍然有一些疑问。这是来自分布式TensorFlow文档的代码片段：
if FLAGS.job_name == "ps":
server.join()
elif FLAGS.job_name == "worker":
# Assigns ops to the local worker by default.
with tf.device(tf.train.replica_device_setter(
worker_devic
浏览 1提问于2018-03-07得票数 3
回答已采纳
当我使用numpy数学时，为什么GradientTape返回None
我正在尝试理解RL损失函数的tensorflow GradientTape计算。当我使用np.math调用函数时，GradientTape返回None。如果我在函数中使用tf.math，它工作得很好。我正在尝试做什么(我已经尝试了至少50个其他版本)。下面的代码有什么问题？我遗漏了什么？
窗口10，python 3.6.8，tensorflow 2.0.0参考：
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
def my
浏览 0提问于2020-01-26得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
