([input_dim, output_dim]))y = tf.nn.softmax(a)
因此，变量y的维度为batch_size by output_dim我想要计算批次中每个样品相对于a的y雅可比矩阵，它的维度是batch_size by output_dim by output_dim。现在，在数学上，当i !我想知道如何计算softmax相对于其在TensorFlow中的输入<em
浏览 5提问于2017-01-25得票数 3
回答已采纳
我对在Tensorflow中构建Softmax的导数感兴趣，作为一个新用户，我被困住了。if derivative:
浏览 6提问于2017-03-21得票数 1
回答已采纳
1回答
下面是神经网络的softmax激活函数。这个函数的导数是什么？ e = np.exp(z)
return e / np.sum(e, axis=1)
浏览 0提问于2019-03-04得票数 2
2回答
我试图实现softmax函数的导数矩阵(Softmax的Jacobian矩阵)。
红色三角洲是Kronecker三角洲。到目前为止，我执行的是： # input s is softmax value of the original input x.jacobian_m = np.diag
浏览 3提问于2017-08-29得票数 1
回答已采纳
2回答
我要用Tensorflow计算雅可比矩阵。但是如果我们增加了数据的数量，那么运行函数compute_grads需要花费大量的时间。有什么想法吗？
浏览 0提问于2018-05-09得票数 5
回答已采纳
2回答
要构造一个压缩式自动编码器，可以使用具有成本函数的普通自动编码器。
def cost(X, X_prime):编辑：在读取tf.gradients上的之后，上面的实现将计算出
而不是。所以我的问题是，在tensorflow中
浏览 3提问于2017-11-30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。我知道我们可以访问磁带，但我不知道用它做什么，实际上我不需要整个Jacobian，我只需要能够计算J^{*}v的矩阵向量积，其中J^{}是jacobian的转置，v是给定的向量。
谢谢，问候。
浏览 4提问于2019-12-10得票数 2
0回答
[:,i] = -li * ly end
上面是我的softmax层的向后函数的代码。这个线程中的答案很好地描述了计算softmax导数的方法。在这里，我正在寻找一种更有效的方法来计算导数，因为上面的
浏览 0提问于2017-06-18得票数 1
回答已采纳
2回答
我正在努力在keras (tf后端)的ANN分类器的输出层中计算梯度w.r.t类。以下是模型的架构： Dense(64, activation='relu', input_shape=(784,)), Dense(10, activation='softmax'),下面是我计算梯度的方法：
outputTensor = mod
浏览 24提问于2020-02-08得票数 0
我试图找到关于输入的logits的雅可比矩阵，但我确实得到了None，但我不知道为什么。 假设我有一个模型，我训练它并保存它。import tensorflow as tf
print("TensorFlow version: ", tf.logits的雅可比矩阵。X_p = tf.placeholder(shape=[28, 28, 1], dtype=tf.float32) 然而，我现在使用的是TensorFlow2.0，我不能使用tf.Grad
浏览 21提问于2020-04-08得票数 0
1回答
我有一个带有shape [None, 100]的输入tf_x和shape [None,2]的输出tf_y的神经网络。我想计算tf_y相对于tf_x的梯度。然而，当我跑步的时候我得到了一个形状为None,100的一维列表。为什么我没有得到两个分量的导数？(即形状无、2、100)
浏览 8提问于2020-05-26得票数 0
我正在尝试计算SoftMax函数的导数，但我无法调用它，从而消除了下面提到的一个错误。def softmax_grad(self,s): jacobian_m = np.diag(s) for i in range(len(jacobian_m)):
浏览 0提问于2020-11-02得票数 0
2回答
我试图为某些输出vairables创建一个Jacobian矩阵，该矩阵涉及keras模型中的特定输入特性。例如，如果我有一个具有100个输入特性和10个输出变量的模型，并且希望针对输出50-70创建一个输出2、3和4的Jacobian，我可以这样创建jacobian：jacobian_matrix = np.array(jacobian_matrix)
但对于一个复杂得多<
浏览 0提问于2018-05-15得票数 0
回答已采纳
1回答
我在softmax输出层中有一些反向传播的问题。我知道它应该如何工作，但是如果我尝试用经典的方法应用链规则，我得到的结果与当Softmax被推导出交叉熵误差时的结果不同。这是一个网络的例子，一个数据点有两个输出神经元，使用Softmax作为激活函数。Z^{O} := (1.75, 1.75)
这里，Z^{O} 是应用SoftMax激活函数之前的层输出，而A^{O} 是
浏览 0提问于2019-12-13得票数 2
回答已采纳
我认为这个问题从来没有得到正确的回答--参见或)，所以我会再试一次： y = tf.Variable(4.0) print(jacobian)
获得
浏览 6提问于2022-11-11得票数 0
我正在尝试实现这个方法以用于TensorFlow (取自)： m = X.shape[0]一系列16x256的值大约需要4-5秒来计算。现在我想知道如何优化这个。在这种情况下，除了使用tf.while_loop之外，还有其他选择吗？我的CPU似乎也有相当高的负载，我在训练时收到了很多这样的消息：
2017年-10-30 17:00:51.2349
浏览 1提问于2017-10-30得票数 1
out_layer = tf.add(tf.matmul(layer_4 , weights['out']) , biases['out'])model.add(Activation('softmax'))
T
浏览 5提问于2018-06-09得票数 12
回答已采纳
5回答
它们可以任意组合，输出层的导数只是损耗导数和激活导数的乘积。这是我的Softmax实现，其中导数在梯度检查中失败了约1%。如何实现Softmax导数，以便将其与任何损失函数结合起来？import numpy as np
class Softmax:
浏览 6提问于2015-11-05得票数 15
回答已采纳
1回答
用in概率拟合角点模型的误差
、、、、
我试图复制这个项目的代码：batch_size <- 100000
model <- make_model(n_rows = dim(train_data_keras/site-packages/tensorflow_probability/python/bijectors/composition.py", line 552, in _inverse_log_det_jacobian/lib/pyth
浏览 5提问于2022-01-20得票数 0
1回答
我正在尝试为以下网络计算Tensorflow中的Jacobian矩阵:但是它不适用于我的神经网络！不幸的是我的网络不起作用..。，6)‘的张量’稠密_1_输入:0‘提供形状值(1,51000)“。history_ANN=model_ANN.
浏览 0提问于2020-05-03得票数 1
回答已采纳
云服务器
对象存储
ICP备案
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号