【发布时间】：2016-08-31 22:36:00
【问题描述】：
我刚刚阅读了 Tensorflow 文档，发现 tf.gradients(tf.gradients(ys, xs, grad_ys=None, name='gradients', colocate_gradients_with_ops=False, gate_gradients=False, aggregation_method=None) 可用于计算相对于 dy/dx 的梯度。目前，我想计算dz(f(x))/dx 的梯度（应该使用链式法则将其分解为dz/df * df/dx），我想知道Tensorflow 中是否有一种方法可以执行此链式法则。我也想知道 Tensorflow Doc 中的 grad_ys is a list of Tensor, holding the gradients received by the ys. The list must be the same length as ys. 是什么意思。
【问题讨论】：
-
Tensorflow 将为您完成链式法则。你只需告诉它你想要梯度的变量，它就会计算它。
-
是的，我同意。但是如果计算
dz/df和df/dx的tensorflow图是断开的，我不能简单地告诉Tensorflow使用链式法则，所以我必须手动去做。例如，z(y)的输入y是一个占位符，我们使用f(x)的输出来输入占位符y。在这种情况下，计算z(y)和f(x)的图是断开的。 -
为什么不连接图表？
-
在我的算法的当前实现中，我无法连接它们，因为连接它们会破坏我的算法。是的，如果图是连接的，计算梯度显然会很简单。
标签： python-3.x tensorflow gradient