tf.compat.v2.gradients

Конструирует символические производные суммы ys по x в xs.

tf.compat.v2.gradients(
    ys, xs, grad_ys=None, name='gradients', gate_gradients=False,
    aggregation_method=None, stop_gradients=None,
    unconnected_gradients=tf.UnconnectedGradients.NONE
)

ys и xs — это каждый Tensor или список тензоров. grad_ys — это список Tensor, содержащих градиенты, полученные ys. Список должен иметь такую же длину, как ys.

gradients() добавляет в граф операции для вычисления производных ys по отношению к xs. Он возвращает список Tensor длины len(xs), где каждый тензор — это sum(dy/dx) для y в ys.

grad_ys — это список тензоров той же длины, что и ys, содержащий начальные градиенты для каждого y в ys. Когда grad_ys равно None, мы заполняем тензор «1» формы y для каждого y в ys. Пользователь может предоставить собственные начальные grad_ys для вычисления производных, используя различные начальные градиенты для каждого y (например, если нужно различно взвесить градиенты для каждого значения в каждом y).

stop_gradients — это Tensor или список тензоров, которые следует рассматривать как константы по отношению ко всем xs. Эти тензоры не будут учитываться при обратном распространении, как будто они были явно отключены с помощью stop_gradient. Это позволяет, среди прочего, вычислять частные производные, а не полные. Например:

a = tf.constant(0.)
b = 2 * a
g = tf.gradients(a + b, [a, b], stop_gradients=[a, b])

Здесь частные производные g равны [1.0, 1.0], в отличие от полных производных tf.gradients(a + b, [a, b]), которые учитывают влияние a на b и равны [3.0, 1.0]. Обратите внимание, что вышеприведенное эквивалентно:

a = tf.stop_gradient(tf.constant(0.))
b = tf.stop_gradient(2 * a)
g = tf.gradients(a + b, [a, b])

stop_gradients предоставляет способ остановки градиента после построения графа по сравнению с tf.stop_gradient, который используется во время построения графа. При совместном использовании этих подходов обратное распространение останавливается как на узлах tf.stop_gradient, так и на узлах в stop_gradients, в зависимости от того, какой из них встречается первым.

Все целочисленные тензоры считаются постоянными по отношению ко всем xs, как будто они были включены в stop_gradients.

unconnected_gradients определяет возвращаемое значение для каждого x в xs, если оно не связано в графе с ys. По умолчанию это None для защиты от ошибок. Математически эти градиенты равны нулю, что можно запросить с помощью параметра 'zero'. tf.UnconnectedGradients предоставляет следующие варианты и поведение:

a = tf.ones([1, 2])
b = tf.ones([3, 1])
g1 = tf.gradients([b], [a], unnconnected_gradients='none')
sess.run(g1)  # [None]

g2 = tf.gradients([b], [a], unconnected_gradients='zero')
sess.run(g2)  # [array([[0., 0.]], dtype=float32)]