Tensorflow：初始化连接张量的正确方法？答案

【问题标题】：Tensorflow: correct way to initialize concatenated tensors?Tensorflow：初始化连接张量的正确方法？
【发布时间】：2023-03-06 03:27:01
【问题描述】：

这是我面临的问题的 MWE：

import tensorflow as tf

with tf.GradientTape() as tape:
  x = tf.Variable(0.0)
  y = tf.Variable(x)
  z = x

print(tape.gradient(y, x))
# None

print(tape.gradient(z, x))
# 1.0

好吧，显然这在这种特殊情况下很容易解决，但在我面临的实际用例中，与循环神经网络有关，我需要使用tf.Variable 来连接其他张量来形成张量，就像这样：

Dout = tf.Variable([seed]) # initialize 
for i in range(n):
  Dout = tf.concat([Dout, 
                    G.forward_step(Dout[-1])], 
                   axis = 0)

嗯，我对在 TF 中实际操作张量还很陌生，也许有一种从串联创建张量的正确方法。

帮助？

【问题讨论】：

标签： python tensorflow gradient-descent gradienttape

【解决方案1】：

好的，明白了——你应该初始化为一个列表（根本不是张量），然后使用tf.stack 将其转换为张量。

无论如何，在这里使用tf.Variable 是错误的——我们不想要可训练的变量，我们想要tf.constant。

【讨论】：