回答情况：
提问时间：
问题标签：
在查看TensorFlow1.15中的OptimizerV2代码时，我注意到它们使用backprop.GradientTape来计算梯度。我找不到任何关于这个类的在线参考，只能找到tf.GradientTape。两者之间的区别是什么？
浏览 12修改于2020-03-11得票数 3
回答已采纳
我正在尝试理解tensorflow tf.gradientTape的一个API。下面是我从官网得到的代码： x = tf.constant(3.0) g.watch(x)with tf.GradientTape(persistent=True) as g: y = x
浏览 25提问于2019-10-04得票数 0
我理解，只要我在tf.GradientTape()上下文中定义一个计算，梯度磁带就会计算出计算输出所依赖的所有变量。我认为我并没有完全理解梯度的子属性，因为下面的代码没有像我期望的那样执行：x = tf.Variable(2.)with tf.GradientTapeas tfx = tf.Variable(2.)t2 = -2*xwith tf.<e
浏览 0提问于2020-06-01得票数 2
我理解，只要我在tf.GradientTape()上下文中定义一个计算，梯度磁带就会计算出计算输出所依赖的所有变量。我认为我并没有完全理解梯度的子属性，因为下面的代码没有像我期望的那样执行：x = tf.Variable(2.)with tf.GradientTapeas tfx = tf.Variable(2.)t2 = -2*xwith tf.<e
浏览 6修改于2020-06-01得票数 0
使用Model.fit，它可以正确地学习，但与GradientTape一样，它也会做一些事情，但与model.fit()相比，损失不会移动。这里我的例子代码和结果。我找不到问题了。model_opt = tf.keras.optimizers.Adam() with tf.GradientTapetf.convert_to_tensor(normed_train_data.to_numpy())
y_true = tf.convert_to_tensor(train_
浏览 1修改于2020-08-23得票数 2
回答已采纳
parameters['W1'] b1 = parameters['b1']
with tf.GradientTape
浏览 2修改于2019-11-26得票数 1
回答已采纳
我正在使用GradientTape()来计算我的梯度。我实现的损失似乎工作得很好，但是我添加的一个新损失没有被GradientTape()正确地说明。我使用的是启用了急切执行的TensorFlow。我不理解GradientTape的局限性，但我认为它正在“失去主线”，即当输入变量被转换为numpy数组时，如何使用它来弥补损失。 loss = np.abs(self.volume_fraction_target - volume_fraction)
浏览 22修改于2019-08-17得票数 1
不管有没有手表，我都试过了，但它总是通向No gradients provided for any variable alpha = tf.Variable(0.01, name='Alpha', constraint=lambda t: tf.clip_by_valuew_layer.bias * (1-alpha)
tf.nest.map_structure(_map
浏览 6修改于2022-06-19得票数 1
我试着用tf.GradientTape来计算梯度。当我尝试这样做时，使用loss和Model.variables (tf.keras.Model)作为输入，这是一个返回None数组的结果。TrainOpe = tf.train.AdamOptimizer(LearningRate, name="MainTrainingOpe")
with tf.GradientTape
浏览 2提问于2018-08-24得票数 2
回答已采纳
iterate_minibatches(X_train, y_train, batch_size): labels = batch[1]
由于我不确定它是否与我如何将图像数据传递给GradientTape
浏览 0修改于2021-12-03得票数 2
回答已采纳
tf.data.Dataset.from_tensor_slices((feature, labels))
with tf.GradientTape
浏览 13修改于2022-05-31得票数 1
回答已采纳
b1 z2 = tf.matmul(w1, x1) + b2 return x2
with tf.GradientTape
浏览 18修改于2021-04-01得票数 0
回答已采纳
我尝试将GradientTape与Keras模型(简化)一起使用，如下所示：tf.enable_eager_execution()
target = tf.constant([[1,0,0,0,0,0,0,0,0,0]], dtype=tf.float32)
with tf.GradientTape
浏览 3提问于2020-05-13得票数 3
回答已采纳
关于TensorFlow的tensorflow.org教程展示了使用tf.GradientTape的方法：with tf.GradientTapeas t:我想知道为什么我不能像这样将t.watch(x)移动到with块之外：t = tf.GradientTape
浏览 6修改于2019-09-26得票数 1
回答已采纳
pos_loss_class[:, idx].assign(pos_loss)
我的代码很简单：layer = tf.keras.layers.Dense(2, activation='relu')with tf.GradientTape
浏览 16修改于2022-07-27得票数 0
tf.convert_to_tensor(np.linalg.norm(y - y_), dtype=tf.float32)
with tf.GradientTape
浏览 5提问于2020-06-04得票数 1
回答已采纳
tf.constant([ [-10.0], [-5.0], [0.0], [5.0], [10.0] ])
with tf.GradientTape
浏览 7提问于2019-09-06得票数 0
回答已采纳
tf.random.normal(shape=[NUM_EXAMPLES])model = ModelSimple()
outputs=tf.Variable(tf.zeros((4,2,5),dtype=np.float32))
with tf.GradientTape我尝试了几种方法(包括观察它们使用GradientTape，尽管它们是变量)，但是我一直
浏览 20修改于2019-09-11得票数 0
回答已采纳
tf.constant([[1, 2], [2, 3]], dtype=tf.float32) tape1.watch(a) [2. 3.]], shape=(2, 2), dtype=float32)正如您可以观察到的，
浏览 10提问于2020-08-03得票数 2
我不知道如何在TensorFlow2中的AutoGraph上运行GradientTape代码。 我想在TPU上运行GradientTape代码。我想从在CPU上测试它开始。我尝试观察输入变量，并尝试将参数传递给包含GradientTape的函数，但都失败了。x * xprint(dy_dx) Output：tf.Tensor(6.0, shape=(), dtype=float32)解释:使用紧急执行，GradientTape@tf.function
def comput
浏览 13提问于2019-09-07得票数 2
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号