python–tensorlow。gradienttape . batch _ Jacobian()
哎哎哎:# t0]https://www . geeksforgeeks . org/python-tensorlow-gradienttape-batch _ Jacobian/
TensorFlow 是谷歌设计的开源 Python 库，用于开发机器学习模型和深度学习神经网络。
batch_jacobian() 用于计算和堆叠每个示例的 jacobian。
语法: batch_jacobian(目标、源、未连接 _ 渐变、并行 _ 迭代、实验 _ 使用 _pfor)
参数:
- 目标:是最小秩为 2 的张量。
- 来源:是最小秩为 2 的张量。
- 未连接 _ 渐变(可选):它的值可以为零或无。默认值为无。
- parallel_iterations(可选):用于控制并行迭代和内存使用。
- experial _ use _ pfor(可选):为布尔值，默认值为 True。当设置为 true 时，它使用 pfor 计算雅可比，否则使用 tf.while_loop。
返回:返回张量。T3】
例 1:
Python 3
# Importing the library
import tensorflow as tf
x = tf.constant([[4, 2],[1, 3]], dtype=tf.dtypes.float32)
# Using GradientTape
with tf.GradientTape() as gfg:
gfg.watch(x)
y = x * x * x
# Computing jacobian
res = gfg.batch_jacobian(y, x)
# Printing result
print("res: ",res)
输出:
res: tf.Tensor(
[[[48\. 0.]
[ 0\. 12.]]
[[ 3\. 0.]
[ 0\. 27.]]], shape=(2, 2, 2), dtype=float32)
例 2:
Python 3
# Importing the library
import tensorflow as tf
x = tf.constant([[4, 2],[1, 3]], dtype=tf.dtypes.float32)
# Using GradientTape
with tf.GradientTape() as gfg:
gfg.watch(x)
# Using nested GradientTape for calculating higher order jacobian
with tf.GradientTape() as gg:
gg.watch(x)
y = x * x * x
# Computing first order jacobian
first_order = gg.batch_jacobian(y, x)
# Computing Second order jacobian
second_order = gfg.batch_jacobian(first_order, x)
# Printing result
print("first_order: ",first_order)
print("second_order: ",second_order)
输出:
first_order: tf.Tensor(
[[[48\. 0.]
[ 0\. 12.]]
[[ 3\. 0.]
[ 0\. 27.]]], shape=(2, 2, 2), dtype=float32)
second_order: tf.Tensor(
[[[[24\. 0.]
[ 0\. 0.]]
[[ 0\. 0.]
[ 0\. 12.]]]
[[[ 6\. 0.]
[ 0\. 0.]]
[[ 0\. 0.]
[ 0\. 18.]]]], shape=(2, 2, 2, 2), dtype=float32)
版权属于：月萌API www.moonapi.com，转载请注明出处
