作者热门文章
- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
https://www.tensorflow.org/api_docs/python/tf/hessians
典型的做法应该是这样
with tf.GradientTape() as tape_:
with tf.GradienTape() as tape:
loss = ...
g = tape.gradient(loss, [vars])
gg = tape_.gradient(loss, [tf.transpose(vars)])
当然,移调不能像磁带那样工作。
tf.hessian 在文档中没有示例。我认为它可能来自 tf 1.0。
更新:使用tf.jacobian
with tf.GradientTape() as tape_:
with tf.GradientTape() as tape:
loss = J(a_orig, r)
dJda = tape.jacobian(loss, [a_orig])[0]
s = tape_.jacobian(dJda, [a_orig])[0]
最佳答案
如更新中所列。
再次使用同一个变量进行微分时,使用tf.jacobian
代替tf.gradient
。
with tf.GradientTape() as tape_:
with tf.GradientTape() as tape:
loss = J(a_orig, r)
dJda = tape.jacobian(loss, [a_orig])[0]
s = tape_.jacobian(dJda, [a_orig])[0]
关于tensorflow - 如何在 tensorflow 2.0 中计算 hessian?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60377677/
我是一名优秀的程序员,十分优秀!