使用gradients对多个式子求多变量偏导

一实例描述

两个OP，4个参数，演示使用gradients同时为两个式子4个参数求梯度。

二代码

import tensorflow as tf
tf.reset_default_graph()
w1 = tf.get_variable('w1', shape=[2])
w2 = tf.get_variable('w2', shape=[2])
w3 = tf.get_variable('w3', shape=[2])
w4 = tf.get_variable('w4', shape=[2])
y1 = w1 + w2+ w3
y2 = w3 + w4gradients = tf.gradients([y1, y2], [w1, w2, w3, w4], grad_ys=[tf.convert_to_tensor([1.,2.]),tf.convert_to_tensor([3.,4.])])
with tf.Session() as sess:sess.run(tf.global_variables_initializer())print(sess.run(gradients))

三运行结果

[array([ 1., 2.], dtype=float32), array([ 1., 2.], dtype=float32), array([ 4., 6.], dtype=float32), array([ 3., 4.], dtype=float32)]

四结果说明

gradients中的第三个参数，即给定公式结果的值，来求参数偏导，这里相当于y1为[1,2],y2为[3,4]。对于y1来讲，求关于w1的偏导时，会认为w2和w3为常数，所有w2和w3的导数为0，即w1的梯度就为[1,2]。同理可以得出w2和w3均为[1,2],接着求y2的偏导数，得到w3与w4均为[3,4],然后将两个式子中的w3结果累加起来，所以w3就为[4,6]。

使用gradients对多个式子求多变量偏导相关推荐

二元复合函数求二阶偏导
二元复合函数求二阶偏导设z=F(x+f(2x−y),y),其中F,f二阶连续偏导数,求∂2z∂y2.设z = F(x+f(2x-y),y),其中F,f二阶连续偏导数,求\frac{\partial ...
参数方程求二阶偏导_偏微分方程
常微分方程(ODE) 的时候我们更多是关于时间的导数.偏微分方程(partial differential equation) 则不仅仅是与时间相关,加上了与空间位置相关的一些信息. 解当 ODE ...
求表达式偏导（输出的是表达式）（Perl实现）
这是学校perl课程结束时的大作业. 开始思考前,我上网搜寻了下,发现网上相应资料几乎没有,大多数都是求表达式某个点的导数值.而作业要求是求一个表达式的偏导式子,即输出也要是式子. 没办法,只能自己思 ...
二元隐函数求二阶偏导_在线计算专题(03)：具体、抽象函数的导数、微分与方向导数的计算...
导数与微分是微积分内容的基础,就计算来说一元函数与多元函数的导数的计算思想一致. 不管是一元函数还是多元函数,导数.偏导数的计算都是将函数视为求导变量的一元函数求导数.微分在描述形式略有区别,但是其计 ...
二元隐函数求二阶偏导_高数，隐函数求二阶偏导。f(x-y,yz)确定了z=(x,y),f具有二阶连续偏导数，求...
满意答案 a6952102 2017.04.05 采纳率:40% 等级:9 已帮助:9268人 1.应该先看高数,概率论,线性代数的教材,用大学时候的就ok.最简单最基本的定义要搞清楚,课后题不 ...
二元隐函数求二阶偏导_【考研】2019数学：难点计算之二元隐函数求极值
免费申请学习规划请选择在读年级学前小学初中高中大学留学其他已为29471位学员提供学习规划 *验证码 *短信验证码 {"text1":{"label&q ...
二元隐函数求二阶偏导_【考研】2019数学：二元隐函数极值求解
免费申请学习规划请选择在读年级学前小学初中高中大学留学其他已为29471位学员提供学习规划 *验证码 *短信验证码 {"text1":{"label&q ...
python如何求导数（derivative）、求偏导（partial derivative）？（sympy库symbols()函数、diff()函数、subs()函数）
可以使用Sympy库 SymPy是一个符号计算的Python库.它的目标是成为一个全功能的计算机代数系统,同时保持代码简洁.易于理解和扩展.它完全由Python写成,不依赖于外部库. SymPy支持符 ...
看懂SoftMax回归算法之代价函数求偏导的数学推导——机器学习笔记（12）
1.学习背景这两天学习softmax逻辑回归算法,然后卡在了其代价函数求偏导处,"百科"中说,softmax的代价函数如下: 经过求导,得到梯度公式如下: 作为一个准数学专业毕业 ...

使用gradients对多个式子求多变量偏导

使用gradients对多个式子求多变量偏导相关推荐

最新文章

热门文章