有趣的数学了解TensorFlow的自动微分的实现

坐望云起

已于 2024-03-01 14:53:27 修改

阅读量333

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习从入门到精通有趣的数学文章标签：神经网络人工智能自动微分计算图机器学习反向传播链式法则

于 2024-01-25 12:04:08 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/bashendixie5/article/details/132528533

深度学习从入门到精通同时被 2 个专栏收录

797 篇文章 ¥99.90 ¥299.90

订阅专栏

有趣的数学

25 篇文章

订阅专栏

本文深入探讨了TensorFlow中自动微分的工作原理，包括手动微分、有限差分近似、正向模式自动微分和重点介绍的反向模式自动微分。反向模式以其效率和准确性在训练神经网络时尤其适用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、简述

这里主要介绍了TensorFlow的自动微分（autodiff）功能如何工作，以及与其他解决方案的比较。假设您定义了一个函数 $f(x, y)= x^2y + y + 2$ ，并且需要计算它的偏导数 $\frac{\partial f }{\partial x}$ 和 $\frac{\partial f }{\partial y}$ ，通常用于执行梯度下降（或某些其他优化算法）。可用的主要选择是手动微分、有限差分近似、正向模式自动微分和反向模式自动微分。

TensorFlow实现了反向模式autodiff，但要理解它，建议全面了解一下主要的方法。让我们从手动微分开始。

二、手动微分

了解本专栏

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

坐望云起 如果觉得有用，请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。