问题描述
我正在尝试使用带有 f(x) = (x,x^2,x^3)
的 TF 2.3 来计算标量变量 tf.GradientTape
的简单向量函数的二阶导数。
def f_ab(x):
return x,x** 2,x** 3
import tensorflow as tf
in1 = tf.cast(tf.convert_to_tensor(tf.Variable([-1,3,6]))[:,None],tf.float64)
with tf.GradientTape(persistent=True) as tape2:
tape2.watch(in1)
with tf.GradientTape(persistent=True) as tape:
tape.watch(in1)
f1,f2,f3 = f_ab(in1)
df1 = tape.gradient(f1,in1)
df2 = tape.gradient(f2,in1)
df3 = tape.gradient(f3,in1)
d2f1_dx2 = tape2.gradient(df1,in1)
d2f2_dx2 = tape2.gradient(df2,in1)
d2f3_dx2 = tape2.gradient(df3,in1)
出于某种原因,只有最后两个导数是正确的,而第一个 d2f1_dx2
原来是 None
。
当我将 f_ab
更改为
def f_ab(x):
return x** 1,x**3
我得到了 d2f1_dx2 = <tf.Tensor: shape=(1,4),dtype=float64,numpy=array([[-0.,0.,nan,0.]])>
这是“几乎”正确的结果。
仅当我将 f_ab
更改为
def f_ab(inputs_train):
return tf.math.log(tf.math.exp(x) ),x**3
我得到了正确的结果:d2f1_dx2 = <tf.Tensor: shape=(1,numpy=array([[0.,0.]])>
有没有人遇到过这个问题?为什么直截了当的方式给出了 None
?
解决方法
我认为这是因为 x
的一阶导数是一个常数。因此,当您计算二阶导数时,Y
和 f1
彼此无关,因为 f1
是一个常数。
在 Tensorflow 中,.gradient()
方法默认为 None
,如果图中 2 个变量之间没有明确的路径。
gradient(
target,sources,output_gradients=None,unconnected_gradients=tf.UnconnectedGradients.NONE
)
您可以通过 0
而不是 None
更改此参数,并且您应该得到 constant
的导数的预期结果。