StopGradient

StopGradient kelas akhir publik

Menghentikan perhitungan gradien.

Saat dijalankan dalam grafik, operasi ini menampilkan tensor masukannya apa adanya.

Saat membangun operasi untuk menghitung gradien, operasi ini mencegah kontribusi masukannya diperhitungkan. Biasanya, generator gradien menambahkan operasi ke grafik untuk menghitung turunan dari 'kerugian' tertentu dengan mencari masukan yang berkontribusi pada penghitungannya secara rekursif. Jika Anda memasukkan operasi ini ke dalam grafik, inputnya akan disembunyikan dari generator gradien. Mereka tidak diperhitungkan untuk menghitung gradien.

Ini berguna kapan pun Anda ingin menghitung nilai dengan TensorFlow tetapi harus berpura-pura bahwa nilainya adalah sebuah konstanta. Misalnya, fungsi softmax untuk vektor x dapat ditulis sebagai

def softmax(x):
     numerator = tf.exp(x)
     denominator = tf.reduce_sum(numerator)
     return numerator / denominator
 

Namun hal ini rentan meluap jika nilai dalam x besar. Cara alternatif yang lebih stabil adalah dengan mengurangi x maksimum dari masing-masing nilai.

def stable_softmax(x):
     z = x - tf.reduce_max(x)
     numerator = tf.exp(z)
     denominator = tf.reduce_sum(numerator)
     return numerator / denominator
 

Namun, ketika kita melakukan backprop melalui softmax ke x, kita tidak ingin melakukan backprop melalui perhitungan tf.reduce_max(x) (jika nilai max tidak unik maka gradien dapat mengalir ke input yang salah) dan memperlakukannya sebagai konstanta. Oleh karena itu, kita harus menuliskannya sebagai

def stable_softmax(x):
     z = x - tf.stop_gradient(tf.reduce_max(x))
     numerator = tf.exp(z)
     denominator = tf.reduce_sum(numerator)
     return numerator / denominator
 

Beberapa contoh lainnya meliputi:

• Algoritma EM dimana M-step tidak boleh melibatkan backpropagation melalui output dari E-step .
• Pelatihan divergensi kontrastif pada mesin Boltzmann dimana, ketika membedakan fungsi energi, pelatihan tidak boleh melakukan propagasi mundur melalui grafik yang menghasilkan sampel dari model.
• Pelatihan permusuhan, di mana tidak ada backprop yang terjadi melalui proses pembuatan contoh permusuhan.

Metode Publik

Keluaran <T>	sebagai Keluaran () Mengembalikan pegangan simbolik tensor.
statis <T> StopGradien <T>	buat ( Lingkup lingkup , masukan Operan <T>) Metode pabrik untuk membuat kelas yang membungkus operasi StopGradient baru.
Keluaran <T>	keluaran ()

Metode Warisan

Dari kelas org.tensorflow.op.PrimitiveOp

boolean terakhir	sama dengan (Objek objek)
int terakhir	Kode hash ()
Operasi	op () Mengembalikan Operation yang mendasarinya
String terakhir	keString ()

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkan Kelas ()
ke dalam	Kode hash ()
kekosongan terakhir	beri tahu ()
kekosongan terakhir	beri tahuSemua ()
Rangkaian	keString ()
kekosongan terakhir	tunggu (arg0 panjang, int arg1)
kekosongan terakhir	tunggu (argumen panjang0)
kekosongan terakhir	Tunggu ()

Dari antarmuka org.tensorflow.Operand

keluaran abstrak <T>

sebagai Keluaran () Mengembalikan pegangan simbolik tensor.

Metode Publik

Keluaran publik <T> sebagai Keluaran ()

Mengembalikan pegangan simbolik tensor.

Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

public static StopGradient <T> buat ( Lingkup lingkup, masukan Operan <T>)

Metode pabrik untuk membuat kelas yang membungkus operasi StopGradient baru.

Parameter

cakupan	ruang lingkup saat ini

Kembali

• contoh baru StopGradient

Keluaran publik <T> keluaran ()