我正在尝试使用TensorFlow 2.0进行MNIST分类。parameters['W1'] b1 = parameters['b1']随后对"train_model()“的调用将&qu
浏览 2提问于2019-11-26得票数 1
回答已采纳
1回答
关于TensorFlow的tensorflow.org教程展示了使用tf.GradientTape的方法：with tf.GradientTapeas t:我想知道为什么我不能像这样将t.watch(x)移动到with块之外：t = tf.GradientTape();错误是
浏览 6提问于2019-09-26得票数 1
回答已采纳
第三行表示损失函数，第四行是抛出错误的线。loss = K.mean(K.square(target - content_model.output))错误Use tf.GradientTape instead.
任何帮助都是感激的，谢谢！
浏览 5提问于2020-12-01得票数 1
继续使用tensorflow 2.0获取这些错误。这样能行吗？import tensorflow as tfwith tf.GradientTape() as t:
t.watch
浏览 0提问于2019-04-06得票数 3
回答已采纳
在TensorFlow2.0中，TensorFlow2.0不支持tf.gradients，并且GradientTape只计算可训练权重的梯度，那么如何像TF1.0那样获得输入的梯度？
浏览 1提问于2020-01-14得票数 1
嘿，我正在转换老版本的张量流，考虑一个简单的线性回归模型 import tensorflow as tffrom tensorflowtf.keras.optimizers.Adam()
opt_op = optimizer.minimize(loss,var_list = model.trainable_weights) 现在它会引发错误状态
浏览 17提问于2019-10-04得票数 1
回答已采纳
我正在使用Python中的GradientTape()和jacobian()在Tensorflow 2.0中。此代码执行得很好：with tf.GradientTape() as gT: g= tf.convert_to_tensor([x, 0.0], dtype=tf.float32)但这段代码破坏了：
x = tf.Variable(
浏览 3提问于2020-01-04得票数 0
我开始学习Tensorflow2.0 2.0，我困惑的一个主要原因是什么时候应该使用类似keras的model.compile和tf.GradientTape来训练模型。在用于MNIST分类的Tensorflow2.0 2.0教程中，他们训练了两个类似的模型。和。
抱歉，如果这是微不足道的，但您什么时候使用一个而另一个呢？
浏览 1提问于2019-05-09得票数 4
回答已采纳
optimizer.minimize(lambda: compute_cost(normed_data[:10], x))
浏览 7提问于2018-09-02得票数 0
1回答
计算输出wrt的梯度权重
、、、、
从tensorflow模型开始，我希望能够检索输出相对于权重的梯度。反向传播的目的是计算损失wrt的梯度权值，为了做到这一点，在代码中一定要计算输出wrt的梯度权值。
浏览 4提问于2019-12-10得票数 2
我想知道如何通过tf2.0中的tf.py_function计算高阶梯度。下面的示例(从tensorflow doc中略作修改)生成正确的dy_dx，而aa_x为None。谢谢。import tensorflow as tf if tf.abs(x) <= delta: else:
x = tf.constan
浏览 0提问于2020-03-20得票数 1
回答已采纳
我想计算tensorflow.keras.Model的恒心矩阵ex_model.add(Input(shape=(24)))ex_model.add(Dense(1))
5 h = tape.jacobian(g, xs)----> 7 print(h.shape)
浏览 4提问于2021-02-03得票数 1
回答已采纳
import tensorflow as tf
return tf.multiply(x, x)
test_tape.watch(x)
with tf.GradientTape() as train_tapetest_tape.gradient(fx_prime, x) # df(x')/dx = df(0.98x)/dx = 1.9208 *
浏览 37提问于2020-03-29得票数 2
2回答
我试图计算TensorFlow神经网络的输出相对于它的输入的雅可比。这很容易用tf.GradientTape.jacobian方法实现。TensorFlow文档中提供的简单示例如下： x = tf.constant([1.0, 2.0]) y我的问题是:假设TensorFlow构建和存储(至少部分)计算雅可比所需的分析梯度，我是否正确？如果是这样的话，有没有办法保存这个分析梯度，用新的输入重新评
浏览 5提问于2020-02-03得票数 2
回答已采纳
1回答
： gx = myBij.forward(x)生成None，以及脚本结束时的异常：Traceba
浏览 0提问于2018-11-16得票数 2
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：print(tf.version.VERSION) # 2.0.0-alpha0
with tf.GradientTape() as tape:print(tape.gr
浏览 1提问于2019-04-19得票数 6
回答已采纳
然后我使用tf.GradientTape.gradients，并将MSE 输出作为“目标”属性。在文档中，它说这个属性可以是张量。
我的理解是，损失是一个标量数，它与反向传播过程中的每个权重相区别。
浏览 1提问于2021-04-04得票数 0
回答已采纳
我尝试使用optimizers.schedules.ExponentialDecay作为learning_rate到Adm的优化器，但我不知道如何在GradientTape中训练模型时传递“步骤”给它我使用tensorflow-gpu-2.0-alpha0和python3.6。我读了https://tensorflow.google.cn/versions/r2.0/api_docs/python/tf/optimizers&
浏览 22提问于2019-05-15得票数 3
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
腾讯会议
云直播活动推荐
腾讯云开发者
