Dodatek D Różniczkowanie automatyczne
W tym dodatku wyjaśniam funkcję różniczkowania automatycznego dostępną w module TensorFlow, a także porównuję ją z innymi rozwiązaniami.
Załóżmy, że definiujemy funkcję f(x, y) = x2y+y+2 i potrzebujemy jej pochodnych cząstkowych i , najczęściej do przeprowadzenia gradientu prostego (lub do innego algorytmu optymalizacyjnego). Mamy do wyboru następujące techniki: różniczkowanie ręczne, symboliczne, numeryczne, automatyczne oraz odwrotne różniczkowanie automatyczne. W module TensorFlow jest dostępne to ostatnie ...
Get Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow 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.