【TensorFlow篇】--反向传播

一、前述

反向自动求导是 TensorFlow 实现的方案，首先，它执行图的前向阶段，从输入到输出，去计算节点
值，然后是反向阶段，从输出到输入去计算所有的偏导。

二、具体

1、举例

 

图是第二个阶段，在第一个阶段中，从 x =3和 y =4开始去计算所有的节点值
f ( x / y )=x 2 * y + y + 2
求解的想法是逐渐的从图上往下，计算 f ( x , y )的偏导，使用每一个连续的节点，直到我们到达变量节
点，严重依赖链式求导法则！

2.具体过程：

 因为n7是输出节点，所以f=n7，所以?f/??7= 1

 让我们继续往下走到n5节点，?f/??5=?f/??7∗??7/??5 . 我们已知?f/??7=1，所以我们需要知道??7/??5 ，因为n7=n5+n6，所以我们求得??7/??5=1，所以?f/??5=1*1=1

 现在我们继续走到节点n4，?f/??4=?f/??5∗??5/??4,因为n5=n4*n2，我们求得�?5/??4=n2，?f/??4=1*4

 沿着图一路向下，我们可以计算出所有节点，就能计算出 ??/?x= 24，??/?y= 10

 那我们就可以利用和上面类似的方式方法去计算??/??

转载于:https://www.cnblogs.com/LHWorldBlog/p/8660026.html