房产网站推广,网站左悬浮代码,动漫网站logo,wordpress 主题 结构步骤
定义计算节点和操作#xff1a;
“x” 是输入变量。 “Add” 表示加法操作。 “Sub” 表示减法操作。 “Multiply” 表示乘法操作。 计算函数值#xff1a; 首先#xff0c;我们将 x0 的值代入计算图中#xff0c;计算出函数的值。
反向传播计算导数#xff1a; 我…步骤
定义计算节点和操作
“x” 是输入变量。 “Add” 表示加法操作。 “Sub” 表示减法操作。 “Multiply” 表示乘法操作。 计算函数值 首先我们将 x0 的值代入计算图中计算出函数的值。
反向传播计算导数 我们从输出节点开始通过计算图的反向传播Backpropagation计算导数。
代码实现
import tensorflow as tf# 定义计算图
x tf.Variable(0.0, namex)
add_node x 2
sub_node x - 3
multiply_node add_node * sub_node# 计算函数值
x_val 1.0
with tf.Session() as sess:sess.run(tf.global_variables_initializer())result sess.run(multiply_node, feed_dict{x: x_val})print(f(x) , result)# 反向传播计算导数
gradient tf.gradients(multiply_node, x)with tf.Session() as sess:sess.run(tf.global_variables_initializer())gradient_value sess.run(gradient, feed_dict{x: x_val})print(导数 , gradient_value[0])
