tf.assign如何在tensorflow中计算梯度？
tf.assign如何在tensorflow中计算梯度？
提问于 2017-10-27 22:36:15
假设以下简化代码：
x = tf.Variable(...)
y = tf.Variable(...) # y can also be some tensor computed from other variables
x_new = tf.assign(x, y)
loss = x_new * x_new如果我优化损失，损失的梯度是反传播到x或y？
Stack Overflow用户
回答已采纳
发布于 2017-10-28 18:19:13
通常，您可以在这个discussion中找到一个很好的关于赋值op的解释。
对于您的具体问题，损失梯度将不会再传播到x或y：
# Your example.
tf.gradients(x_new * x_new, [x, y]) #output: [None, None]
# Some other related examples.
tf.gradients(x_new * y, [x, y]) #output: [None, x_new_value]
tf.gradients(x * x_new, [x, y]) #output: [x_new_value, None]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/46984316
复制相关文章
相似问题
腾讯云开发者
