出于学习目的，我有一项任务是在 tensorflow 中进行线性和 sigmoid 运算。 我成功地完成了线性操作:
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
但我坚持使用 sigmoid 运算:
正确吗？
def sigmoid_op_forward(X):
return 1 / (1 + np.exp(-X))
我很难理解 sigmoid 梯度
def sigmoid_op_backward(op, grads):
???
有人可以帮忙吗？
最佳答案
试试这个:
def sigmoid_op_backward(op, grads):
sigmoid = op.outputs[0]
return sigmoid * (1 - sigmoid) * grads
关于python - Tensorflow中的Sigmoid运算实现，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/48343536/