Tensorflow2.0中如何自動(dòng)求梯度，很多新手對(duì)此不是很清楚，為了幫助大家解決這個(gè)難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來學(xué)習(xí)下，希望你能有所收獲。

10余年建站經(jīng)驗(yàn)， 成都網(wǎng)站設(shè)計(jì)、網(wǎng)站建設(shè)、外貿(mào)網(wǎng)站建設(shè)客戶的見證與正確選擇。創(chuàng)新互聯(lián)建站提供完善的營(yíng)銷型網(wǎng)頁建站明細(xì)報(bào)價(jià)表。后期開發(fā)更加便捷高效，我們致力于追求更美、更快、更規(guī)范。

對(duì)于給定函數(shù)：y(w)=aw^2+bw+c
數(shù)學(xué)求導(dǎo)得：dy/dw=2aw+b
那么，（a,b,c,w）=(1,2,3,4)處的導(dǎo)數(shù)，dy/dw=2 * 1 *4 + 2=10
而在Tensorflow2.0中，梯度可以自動(dòng)求取。具體代碼如下：

import tensorflow as tf

a=tf.constant(1.)b=tf.constant(2.)c=tf.constant(3.)w=tf.constant(4.)with tf.GradientTape() as tape:  # 構(gòu)建梯度環(huán)境tape.watch([w])   # 對(duì)w求梯度，并跟蹤列表y=a*w**2+b*w+c    # 構(gòu)建目標(biāo)函數(shù)[dy_dw] = tape.gradient(y, [w])  # 函數(shù)y對(duì)w求導(dǎo)print(dy_dw)  # 打印出導(dǎo)數(shù)

運(yùn)行結(jié)果：

看完上述內(nèi)容是否對(duì)您有幫助呢？如果還想對(duì)相關(guān)知識(shí)有進(jìn)一步的了解或閱讀更多相關(guān)文章，請(qǐng)關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝您對(duì)創(chuàng)新互聯(lián)的支持。