ANHANG B
Autodiff
Dieser Anhang erklärt, wie das Autodiff-Feature in TensorFlow funktioniert und was es im Vergleich zu seinen Alternativen leistet.
Nehmen wir an, Sie definierten eine Funktion f(x,y) = x2y + y + 2 und möchten deren partielle Ableitungen ∂f/∂x und ∂f/∂y bilden, um beispielsweise das Gradientenverfahren (oder einen anderen Optimierungsalgorithmus) durchzuführen. Ihre Auswahlmöglichkeiten sind im Wesentlichen das Differenzieren von Hand, die Finite-Differenzen-Methode, Autodiff im Forward-Modus und Autodiff im Reverse-Modus. In TensorFlow ist die letztere Möglichkeit implementiert, aber zum Verständnis ist es sinnvoll, sich zunächst die anderen anzuschauen. Betrachten wir also jede dieser Möglichkeiten etwas genauer, beginnend ...
Get Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow, 3rd Edition now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
