tensorflow中的梯度反转

原文地址：https://codeleading.com/article/27004717987/

import tensorflow as tf
from tensorflow.python.framework import ops
 
 
class FlipGradientBuilder(object):
    def __init__(self):
        self.num_calls = 0
 
 
 
    def __call__(self, x, l=1.0):
        grad_name = "FlipGradient%d" % self.num_calls
        @ops.RegisterGradient(grad_name)
        def _flip_gradients(op, grad):
            return [tf.negative(grad) * l]
 
        g = tf.get_default_graph()
        with g.gradient_override_map({"Identity": grad_name}):
            y = tf.identity(x)
        self.num_calls += 1
 
        return y
    
flip_gradient = FlipGradientBuilder()

其中
（1）@ops.RegisterGradient(grad_name)修饰 _flip_gradients(op, grad)函数，即自定义该层的梯度取反

（2）gradient_override_map函数主要用于解决使用自己定义的函数方式来求梯度的问题，gradient_override_map函数的参数值为一个字典。其表示的意思是：字典中value表示使用该值表示的函数代替key表示的函数进行梯度运算。

结论
还是pytorch使用方便

附，红色字体使用方法：
<font color=red size=4>还是pytorch使用方便</font>