我正在做一个需要反褶积的项目。我读到gen_nn_ops.max_pool_grad_v2()可以做到这一点。我从tensorflow.python.ops加载函数。据我所知，函数采用输入和输出张量，其中输入是最大池之前的卷积层，输出是最大池操作的结果。但是grad是什么呢？这个函数的输出到底代表什么？1,2,2,1]u = gen_nn_ops.max_poo
浏览 1提问于2018-07-25得票数 2
回答已采纳
我有一个经过训练的Tensorflow 2.0模型(来自tf.keras.Sequential())，它采用一个输入层，有26列(X)，并生成一个带有1列(Y)的输出层。在Tf1.x中，我能够通过以下方法计算输出相对于输入的梯度：sess = K.get_session()
grad_func = tf.grad
浏览 19提问于2019-12-02得票数 8
回答已采纳
我试图了解TensorFlow如何计算tf.train.GradientDescentOptimizer的梯度。如果我理解TensorFlow白皮书中的4.1节，它通过向TensorFlow图中添加节点来计算基于反向传播的梯度，该图计算原始图中节点的派生。当TensorFlow需要计算一个张量C相对于C所依赖<
浏览 0提问于2016-09-19得票数 4
回答已采纳
我有一个系统，它由一个神经网络组成，它的输出被输入到一个未知的非线性函数F中，例如一些硬件。其思想是将神经网络训练为未知非线性函数F的逆F^(-1)，这意味着损失L是在F的输出处计算的，但是由于F的梯度不知道，反传播不能直接用于计算梯度和更新NN权值。在计算TensorFlow或PyTorch中的梯度<
浏览 2提问于2020-01-16得票数 1
我正在编写以下格式的tensorflow图： return some_operation(label.eval())
这个模型的问题是，我需要输出的值，以便按照我想要的方式处理我的标签，这样
浏览 22提问于2016-07-26得票数 0
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：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<
浏览 5提问于2018-02-10得票数 0
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
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。= x * x如果我只想计算输入张量x的单个实例的Jacobian，这是很好的。我从中得知，梯度(因此也是雅可比)是通过自动微分计算<e
浏览 5提问于2020-02-03得票数 2
回答已采纳
我做了一个新的操作，我想将它与AdamOptimizer一起使用。我按照的指令为它创建了一个梯度，并将它添加到优化器的var_list中，但是Tensorflow说我的变量没有处理器。优化器中是否支持Tensorflow自定义操作？优化器类允许我创建一个新处理器，还是必须重写compute_gradients的一部分？此外，如信托基金文件所述，自动区分意味着什么：
要使新的操作系统自动微分工作，您必须注册一个梯度函
浏览 3提问于2017-07-25得票数 0
我想得到tf.cholesky的梯度相对于它的输入。)import tensorflow as tfchol = tf.cholesky(A)虽然我可以自己计算梯度并注册它，但据我所知，我所看到的计算Cholesky梯度的</
浏览 3提问于2015-11-27得票数 5
回答已采纳
python中tensorflow梯度函数中的grad参数(如下面的文档中的示例)表示什么？@tf.RegisterGradient("Sub") return grad, tf.neg(grad)
文档说它代表“相对于op的每个输出的渐变哪个梯度？op的每个输出的梯度，<em
浏览 5提问于2016-06-23得票数 1
回答已采纳
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。但我想知道如何使雅可比在API级别，有什么想法吗？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<e
浏览 4提问于2019-12-10得票数 2
最近，我尝试做一些实验，我有一个神经网络D(x)，其中x是批量大小为64的输入图像。我想计算D( x )关于x的梯度。我应该像下面这样计算吗？
浏览 49提问于2018-09-09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： _X = tf.constant(X)我使用L2-范数损失函数，C=0.5*sum((Yp)^2)，在反向传播步骤中，可能需要计算
浏览 2提问于2016-02-11得票数 10
回答已采纳
1回答
有人能帮我识别这个应用程序背后是什么样的体系结构吗？这是一个“简单”的分类网络吗？如果是的话，热图是如何生成的？
https://www.youtube.com/watch?
浏览 0提问于2019-07-17得票数 0
回答已采纳
我试图计算我的模型的损失相对于它的输入的梯度，以便创建一个对抗性的例子。由于模型的输入是不可训练的，所以我需要计算关于张量的梯度，而不是变量。但是，如果张量不是可训练变量，则TensorFlow的GradientTape返回None梯度：
import numpy as np
浏览 1提问于2018-11-19得票数 0
回答已采纳
我试图计算相对于输入图像的某一层的梯度。(feature, 3), x)print(img.shape)然后，相对于输入的梯度可以计算为
img_4d例如，如果我有一个形状为(150,150,3)的img_resized，关于此输
浏览 0提问于2016-12-09得票数 0
假设我有一个简单的单层神经网络：W = tf.Variable(tf.random_normal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<em
浏览 5提问于2017-01-25得票数 3
回答已采纳
1回答
我想计算神经网络输出相对于输入的梯度。我有下列张量：对于从输入到整个输出向量的梯度，我可以使用以下方法：因为我想计算每一次时间的梯度，所以我想要计算
tf.gradi
浏览 8提问于2017-03-22得票数 1
在输入到神经网络之前，X需要转化为D。函数，它以X和Y张量作为输入，并返回D和Y张量。然后将D分批分割，并用作神经网络的输入。神经网络的输出为Y_prediction。
问题:似乎很容易获得Y_prediction相对于D的梯度</e
浏览 0提问于2018-06-10得票数 4
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
