使用GradientTape进行TensorFlow模型训练
使用GradientTape进行TensorFlow模型训练的技巧与方法
使用 GradientTape 更新权重
TensorFlow 可能是目前最流行的深度学习库。我之前写了很多 TensorFlow 教程，现在仍在继续。TensorFlow 组织得非常好，使用起来也很简单，你不需要太担心模型的开发和训练。基本上大部分的事情都由库本身来处理，这也是它在工业界如此受欢迎的原因。但与此同时，有时候可以控制底层功能也是很好的。这给了你很多实验模型的权力。如果你是求职者，一些额外的知识可能会给你一个优势。
之前，我写了一篇文章介绍了如何开发自定义激活函数、层和损失函数。在本文中，我们将看到如何手动训练模型和更新权重。但别担心。你不需要重新记住微分法。TensorFlow 自身提供了 GradientTape() 方法来处理这部分。
如果 GradientTape() 对你来说是全新的，请随时查看此练习，了解 GradientTape() 的用法：Introduction to GradientTape in TensorFlow — Regenerative (regenerativetoday.com)
数据准备
在本文中，我们使用 TensorFlow 和 GradientTape() 来进行简单的分类算法。请从这个链接下载数据集：
Heart Failure Prediction Dataset (kaggle.com)
该数据集有一个开放的数据库许可证。
下面是必要的导入语句：
import tensorflow as tffrom tensorflow.keras.models import Modelfrom tensorflow.keras.layers import Dense, Inputimport numpy as npimport matplotlib.pyplot as pltimport matplotlib.ticker as mtickerimport pandas as pdfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import confusion_matriximport itertoolsfrom tqdm import tqdmimport tensorflow_datasets as tfds创建数据集的 DataFrame：
import pandas as pddf = pd.read_csv('heart.csv')df
