tf.gradients如何在TensorFlow中工作

Question

鉴于我有一个线性模型，我希望得到关于W和b的梯度向量。

# tf Graph Input
X = tf.placeholder("float")
Y = tf.placeholder("float")

# Set model weights
W = tf.Variable(rng.randn(), name="weight")
b = tf.Variable(rng.randn(), name="bias")

# Construct a linear model
pred = tf.add(tf.mul(X, W), b)

# Mean squared error
cost = tf.reduce_sum(tf.pow(pred-Y, 2))/(2*n_samples)

但是，如果我尝试这样的事情，其中​​费用是cost(x,y,w,b)的函数，而我只想要关于w and b的渐变：

grads = tf.gradients(cost, tf.all_variable())

我的占位符也将包括在内（X和Y）。 即使我确实得到了[x,y,w,b]的渐变，我如何知道渐变中哪个元素属于每个参数，因为它只是一个没有名称的列表，哪个参数与衍生物有关？

在这个问题中，我使用了code的部分内容，并以this问题为基础。

Answer 1

引用@Override public void addResourceHandlers(final ResourceHandlerRegistry registry) { registry.addResourceHandler("/resources/**").addResourceLocations("/resources/"); }

的文档

  

构造ys w.r.t之和的符号偏导数。 x在xs。

所以，这应该有效：

tf.gradients

此处，dc_dw, dc_db = tf.gradients(cost, [W, b]) 将第二个参数中每个张量的tf.gradients()个渐变返回为相同顺序的列表。

阅读tf.gradients了解详情。