TensorFlow es una biblioteca Python de código abierto diseñada por Google para desarrollar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo.
gradiente() se usa para calcular el gradiente usando operaciones registradas en el contexto de esta cinta.
Sintaxis: gradiente (objetivo, fuentes, gradientes_de_salida, gradientes_desconectados)
Parámetros:
- target: Es Tensor o lista de Tensores a diferenciar.
- fuentes: Es Tensor o lista de Tensor. Los valores objetivo se diferencian frente a la fuente.
- output_gradients: Es una lista de degradados con valor por defecto Ninguno.
- unconnected_gradients: su valor puede ser ninguno o cero con el valor predeterminado ninguno.
Devoluciones: Devuelve una lista o estructura anidada de Tensor.
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