Tensorflow Reshape tf.reshape（）はグラデーションの流れを壊すのはなぜですか？

Question

私はtf.Variable（）を作成して、その変数を使用して単純な関数を作成してから、元の変数をtf.reshape（）で平坦化してから、関数と平坦化された変数の間でtf.gradients 。なぜそれは[None]を返しますか？

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) 

上記のコードブロックが実行されると[なし]が返されます。これはバグですか？助けてください！

Answer 1

あなたはvar_fに対するfの派生物を見つけているが、fではなくvar_fの機能が、varではありません。なぜあなたは[なし]を得ているのですか？今あなたがにコードを変更した場合：

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) 

あなたの勾配が定義されます。

tf.Tensor 'gradients_28/Square_32_grad/mul_1：0' 形状=（25、）DTYPE =のfloat32>

var = tf.Variable(np.ones((5,5)), dtype = tf.float32, name='var') 
f = tf.reduce_sum(tf.reduce_sum(tf.square(var)), name='f') 
var_f = tf.reshape(var, [-1], name='var_f') 
grad_1 = tf.gradients(f,var_f, name='grad_1') 
grad_2 = tf.gradients(f,var, name='grad_2') 

：

次のコードのためのグラフの視覚化を以下に示します。

grad_1の派生語は定義されていませんが、 'grad_2`は定義されています。 2つのグラジエントのバックプロパゲーショングラフ（グラディエントグラフ）が示されています。