我正在尝试做一件简单的事情:使用 autograd 获取梯度并进行梯度下降:
import tangent
def model(x):
return a*x + b
def loss(x,y):
return (y-model(x))**2.0
在获得输入输出对的损失后,我想获得损失梯度:
l = loss(1,2)
# grad_a = gradient of loss wrt a?
a = a - grad_a
b = b - grad_b
但是库教程没有说明如何获得关于 a 或 b 的梯度,即参数 so,autograd 和 tangent 都没有。
请您参考如下方法:
您可以使用 grad 函数的第二个参数指定它:
def f(x,y):
return x*x + x*y
f_x = grad(f,0) # derivative with respect to first argument
f_y = grad(f,1) # derivative with respect to second argument
print("f(2,3) = ", f(2.0,3.0))
print("f_x(2,3) = ", f_x(2.0,3.0))
print("f_y(2,3) = ", f_y(2.0,3.0))
在您的情况下,“a”和“b”应该是损失函数的输入,损失函数会将它们传递给模型以计算导数。
我刚刚回答了一个类似的问题: Partial Derivative using Autograd
