出于学习目的,我有一项任务是在张量流中进行线性和S形运算。
我设法做线性运算:
def linear_op_forward(X, W):
''' linear operation'''
return np.dot(X, W.T)
def linear_op_backward(op, grads):
''' Linear gradient realization '''
X = op.inputs[0]
W = op.inputs[1]
dX = tf.multiply(grads, W)
dW = tf.reduce_sum(tf.multiply(X, grads),
axis = 0,
keep_dims = True)
return dX, dW
但是我一直坚持使用S形运算:
那是对的吗?
def sigmoid_op_forward(X):
return 1 / (1 + np.exp(-X))
而且我很难理解S形梯度
def sigmoid_op_backward(op, grads):
???
有人可以帮忙吗?
最佳答案
尝试这个:
def sigmoid_op_backward(op, grads):
sigmoid = op.outputs[0]
return sigmoid * (1 - sigmoid) * grads