Python – tensorflow.GradientTape()

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

GradientTape() se utiliza para registrar operaciones para la diferenciación automática.

Sintaxis: tensorflow.GradientTape (persistente, watch_accessed_variables)

Parámetros:

  • persistente (opcional): puede ser Verdadero o Falso con el valor predeterminado Falso. Define si se crea o no una cinta de degradado persistente.
  • watch_accessed_variables:   es un valor booleano que define si la cinta observará automáticamente cualquier variable (entrenable) a la que se acceda mientras la cinta esté activa o no.

Ejemplo 1:

Python3

# Importing the library
import tensorflow as tf
  
x = tf.constant(4.0)
  
# Using GradientTape
with tf.GradientTape() as gfg:
  gfg.watch(x)
  y = x * x * x
  
# Computing gradient
res  = gfg.gradient(y, x)
  
# Printing result
print("res: ",res)

Producción:

res:  tf.Tensor(48.0, shape=(), dtype=float32)

Ejemplo 2:

Python3

# Importing the library
import tensorflow as tf
  
x = tf.constant(4.0)
  
# Using GradientTape
with tf.GradientTape() as gfg:
  gfg.watch(x)
  
  # Using nested GradientTape for calculating higher order derivative
  with tf.GradientTape() as gg:
    gg.watch(x)
    y = x * x * x
  # Computing first order gradient
  first_order = gg.gradient(y, x)
  
# Computing Second order gradient
second_order  = gfg.gradient(first_order, x) 
  
# Printing result
print("first_order: ",first_order)
print("second_order: ",second_order)

Producción:

first_order:  tf.Tensor(48.0, shape=(), dtype=float32)
second_order:  tf.Tensor(24.0, shape=(), dtype=float32)


Publicación traducida automáticamente

Artículo escrito por aman neekhara y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *