這種情況，為什么是range指向gradient而不是 sum指向gradient呢？Loss應該是sum吧?
uj5u.com熱心網友回復：
第二張圖發錯了，是這個。
全代碼如下:
import numpy as np
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
W = tf.Variable([.3], dtype=tf.float32)
b = tf.Variable([-.3], dtype=tf.float32)
# Model input and output
x = tf.placeholder(tf.float32)
linear_model = W * x + b
y = tf.placeholder(tf.float32)
# loss
loss = tf.reduce_sum(tf.square(linear_model - y)) # sum of the squares
# optimizer
optimizer = tf.train.GradientDescentOptimizer(0.01)
train = optimizer.minimize(loss)
# training data
x_train = [1, 2, 3, 4]
y_train = [1, 2, 3, 4]
# training loop
init = tf.global_variables_initializer()
sess = tf.Session()
# 輸出圖，進入檔案夾。在DOS視窗輸入tensorboard --logdir=board 即可。
output_graph = True
if output_graph:
writer = tf.summary.FileWriter('board/',sess.graph)
sess.run(init) # reset values to wrong
for i in range(100):
sess.run(train, {x: x_train, y: y_train})
uj5u.com熱心網友回復：
uj5u.com熱心網友回復：
因為是reduce_sum，它不必等待所有資料都準備好才去做sum操作，而是來一個數就加一下轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/184925.html
上一篇：Docker命令
下一篇：陣列中只出現一次的數字