Python – tensorflow.gradientes()

TensorFlow es una biblioteca Python de código abierto diseñada por Google para desarrollar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo. 

gradientes() se utiliza para obtener derivadas simbólicas de la suma de ys wrt x en xs. No funciona cuando la ejecución ansiosa está habilitada.

Syantx: tensorflow.gradients (ys, xs, grad_ys, nombre, gate_gradients, aggregation_method, stop_gradients, unconnected_gradients)

Parámetros:

• ys: Es un Tensor o lista de Tensores que necesitan ser diferenciados.
• xs: Es un Tensor o lista de Tensores que se utiliza para la diferenciación.
• grad_ys (opcional): es un tensor o una lista de tensores que se utiliza para calcular los gradientes de y.
• nombre (opcional): se utiliza la operación de gradiente de grupo juntos. Su valor predeterminado es gradientes.
• gate_gradients (opcional): solía evitar la condición de carrera. Si es verdadero, agregará una tupla alrededor de los gradientes devueltos para una operación.
• aggregation_method (opcional): su valor es una constante definida en la clase AggregationMethod.
• stop_gradients (opcional): es un tensor o una lista de tensores para no diferenciar.
• unconnected_gradients (opcional): especifica el valor de gradiente devuelto cuando los tensores de entrada dados están desconectados. Los valores aceptados son constantes definidas en la clase UnconnectedGradients.

Devuelve: Una lista de Tensores de longitud len(xs) donde cada tensor es la suma(dy/dx) para y en ys y para x en xs. 

Ejemplo 1:

# Importing the library
import tensorflow as tf
 
# Defining function
@tf.function
def gfg():
  a = tf.ones([1, 2])
  b = 5*a
 
  # Calculating gradient
  g1 = tf.gradients([b+a], [a])
 
  # Printing result
  print("res: ",g1)
 
# Calling the  function
gfg()

Producción:

res:  [<tf.Tensor 'gradients/AddN:0' shape=(1, 2) dtype=float32>]

Ejemplo 2:

# Importing the library
import tensorflow as tf
 
# Defining function
@tf.function
def gfg():
  a = tf.ones([1, 2])
  b = 5*a
 
  # Calculating gradient
  g1 = tf.gradients([b], [a])
 
  # Printing result
  print("res: ",g1)
 
# Calling the  function
gfg()

Producción:

res:  [<tf.Tensor 'gradients/mul_grad/Mul_1:0' shape=(1, 2) dtype=float32>]