Tensorflow2.x 利用“GradientTape 梯度带”自动求梯度

自动微分和梯度

Tensorflow为自动微分提供了 tf.GradientTape API，将tf.GradientTape上下文内执行的相关运算记录到“条带”上，随后使用该条带通过反向传播模式计算梯度。

要实现自动微分，Tensorflow需要记忆前向传播过程中的运算顺序；
后向传播期间，Tensorflow以相反的顺序遍历此运算列表来计算梯度。

使用 GradientTape.gradient(target,sources) 计算某个目标相对于模型变量的梯度。
使用GradientTape.watch(x) 可以设置要监视的变量。

x = tf.constant(3.0)
with tf.GradientTape() as tape:
    tape.watch(x)
    y = x**2

dy_dx = tape.gradient(y,x)
dy_dx.numpy()

6.0

要停用监视所有 tf.Variables 的默认行为，请在创建梯度带时设置 watch_accessed_variables=False.

中间结果

如果要在统一计算中计算多个梯度，需要创建一个 persistent=True 的梯度带。

x = tf.constant([1,3.0])

with tf.GradientTape(persistent = True) as tape:
    tape.watch(x)
    y = x*x
    z = y*y

print(tape.gradient(z,x).numpy())
print(tape.gradient(y,x).numpy())

[ 4. 108.]
[2. 6.]

如果不设置 persistent=True，计算y对x梯度时会报错。

多目标的梯度

单目标的梯度：

x = tf.Vari