當傳遞`ys`張量列表時，tf.gradients如何表現？

Question

tf.gradients在傳遞張量列表作爲第一個參數時的表現如何？就拿這個非常小的例子：

a = tf.constant(5) 
b = tf.constant(7) 
c = a + 2 * b 

如果我計算一個張量，c的梯度，相對於[a,b]，我得到預期的答案：

grads = tf.gradients(c, [a, b]) 
with tf.Session() as sess: 
    sess.run(grads) # returns (1, 2) 

按照Tensorflow文檔，如果你傳遞一個張量列表作爲第一個參數ys,tf.gradients將對該列表中的梯度進行求和，並在第二個參數中爲每個x返回sum_over_ys(dy/dx)。所以，我希望：

tf.gradients([a, b, c], [a, b]) 

表現方法一樣：

tf.gradients(a + b + c, [a, b]) 

難道我讀文檔錯了嗎？當我測試此代碼，我得到預期的結果[2, 3]第二表達式（明確地總結a + b + c），但[2, 1]爲先。 [2, 1]從哪裏來？

Answer 1

這是由於您使用的是tf.constant，這在理論上不應該被投入受到影響。

如果換成別的（如Variables）的實驗中按預期工作。

當你申請一個運營商的常數（無論是增加，甚至身份），您將獲得一個新的張量不是constant，即使他們depand只constant秒 - 因此你獲得預期的行爲。