python - Tensorflow 中的 Sigmoid 操作实现

Question

出于学习目的，我的任务是在 tensorflow 中进行线性和 sigmoid 操作。我设法做了线性运算：

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

但我坚持使用 sigmoid 操作：

那是对的吗？

def sigmoid_op_forward(X):
    return 1 / (1 + np.exp(-X))

而且我很难理解 sigmoid 梯度

def sigmoid_op_backward(op, grads):
    ???

有人可以帮忙吗？

Answer 1

尝试这个：

def sigmoid_op_backward(op, grads):
  sigmoid = op.outputs[0]
  return sigmoid * (1 - sigmoid) * grads