tensorflow 2中自动求导的机制是怎样的

这篇文章将为大家详细讲解有关tensorflow 2中自动求导的机制是怎样的，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

import tensorflow as tf
import numpy as np

# f(x) = a*x**2 + b*x + c的导数
x = tf.Variable(0.0, name='x', dtype=tf.float32)
a = tf.constant(1.0)
b = tf.constant(-1.5)
c = tf.constant(1.0)

with tf.GradientTape() as tape:
y = a * tf.pow(x,2) + b * x + c

dy_dx = tape.gradient(y,x)
print(dy_dx)

可以计算出来dy_dx = 2*a*x +b = 2*1.0*0.0 + (-1.5) = -1.5

我们需要了解的是，

（1） GradienTape如何跟踪到 y = a * tf.pow(x,2) + b *x + c中间的函数变换路径。

（2）基本函数块的导数是如何求出来。

（3）复合函数求导的规则是如何实现出来。

关于tensorflow 2中自动求导的机制是怎样的就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。