为什么张量流会改变形状变形（）打破坡度的流动？

Question

我正在创建一个tf.变量（），然后使用该变量创建一个简单函数，然后使用变形（）然后我把tf.梯度（）在函数和展平变量之间。[为什么没有返回]。

var = tf.Variable(np.ones((5,5)), dtype = tf.float32)
f = tf.reduce_sum(tf.reduce_sum(tf.square(var)))
var_f = tf.reshape(var, [-1])
print tf.gradients(f,var_f)

上面的代码块在执行时返回[None]。这是虫子吗？请帮忙！

Answer 1

您正在找到f相对于var_f的导数，但是f不是{}的函数，而是var的函数。这就是为什么你得不到[没有]。现在，如果您将代码更改为：

 var = tf.Variable(np.ones((5,5)), dtype = tf.float32)
 var_f = tf.reshape(var, [-1])
 f = tf.reduce_sum(tf.reduce_sum(tf.square(var_f)))
 grad = tf.gradients(f,var_f)
 print(grad)

将定义坡度：

tf.Tensor 'gradients_28/Square_32_grad/mul_1:0' shape=(25,) dtype=float32>

以下代码的图形可视化如下：

^{pr2}$

未定义grad_1的导数，而对于'grad\u2'，则定义了它。给出了两种梯度的反向传播图（梯度图）。在