Tensorflow 2.0 张量对张量的求导机制与数学上正常求导结果不同的原因详解以及WGAN的惩罚项的loss

eastdawnc

于 2020-05-10 13:22:38 发布

阅读量357

点赞数 1

文章标签： tensorflow 深度学习机器学习人工智能 python

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/eastdawnc/article/details/106034816

版权

本文探讨了Tensorflow 2.0中张量对张量求导结果与数学上求导结果形状不同的原因，并通过实例解释了Tensorflow的计算方式。在WGAN的惩罚项中，求梯度并平方后在批次上平均的处理方法被详细解析，解释了如何正确处理梯度以计算每个样本的损失平方值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

耗时完成，解锁后可见！
+++++++++++
+++++++++++
+++++++++++
+++++++++++
+++++++++++
+++++++++++
+++++++++++
+++++++++++
+++++++++++
+++++++++++
+++++++++++
+++++++++++
+++++++++++
+++++++++++
+++++++++++
+++++++++++
+++++++++++

参考：https://blog.youkuaiyun.com/zhangdamengcsdn/article/details/80200059

上述链接中详述了矩阵对矩阵求导的结果shape。但是真正在tensorflow中运行之后发现事实并非如此。

下面是一个非常简单的例子

import tensorflow as tf

x=tf.Variable(initial_value=

最低0.47元/天解锁文章

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

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。