python–tensorlow。GradientTape.jacobian()
哎哎哎:# t0]https://www.geeksforgeeks.org/python-tensorlow-gradienttape-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。
雅可比()用于使用在该磁带上下文中记录的操作来计算雅可比。
语法:雅可比(目标，源，未连接的_梯度，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:
蟒蛇 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.jacobian(y, x)
# Printing result
print("res: ",res)
输出:
res: tf.Tensor(
[[[[48\. 0.]
[ 0\. 0.]]
[[ 0\. 12.]
[ 0\. 0.]]]
[[[ 0\. 0.]
[ 3\. 0.]]
[[ 0\. 0.]
[ 0\. 27.]]]], shape=(2, 2, 2, 2), dtype=float32)
例 2:
蟒蛇 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.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\. 0.]]
[[ 0\. 12.]
[ 0\. 0.]]]
[[[ 0\. 0.]
[ 3\. 0.]]
[[ 0\. 0.]
[ 0\. 27.]]]], shape=(2, 2, 2, 2), dtype=float32)
second_order: tf.Tensor(
[[[[[[24\. 0.]
[ 0\. 0.]]
[[ 0\. 0.]
[ 0\. 0.]]]
[[[ 0\. 0.]
[ 0\. 0.]]
[[ 0\. 0.]
[ 0\. 0.]]]]
[[[[ 0\. 0.]
[ 0\. 0.]]
[[ 0\. 12.]
[ 0\. 0.]]]
[[[ 0\. 0.]
[ 0\. 0.]]
[[ 0\. 0.]
[ 0\. 0.]]]]]
[[[[[ 0\. 0.]
[ 0\. 0.]]
[[ 0\. 0.]
[ 0\. 0.]]]
[[[ 0\. 0.]
[ 6\. 0.]]
[[ 0\. 0.]
[ 0\. 0.]]]]
[[[[ 0\. 0.]
[ 0\. 0.]]
[[ 0\. 0.]
[ 0\. 0.]]]
[[[ 0\. 0.]
[ 0\. 0.]]
[[ 0\. 0.]
[ 0\. 18.]]]]]], shape=(2, 2, 2, 2, 2, 2), dtype=float32)
