tensorflow c++ API 是否支持反向传播的自动微分？
Does tensorflow c++ API support automatic differentiation for backpropagation?
tensor-flow C++ API是否支持自动微分反向传播梯度？
如果我用 C++ 编写一个图，并想在 C++ 代码中 运行 它（而不是 python！），自动微分会起作用吗？
让我们假设图中的每个操作都有梯度实现。
我认为关于张量流 C++ API 能做什么和不能做什么的文档非常差。
非常感谢您的帮助
技术上 可以，但据我所知，自动微分在 Python 中只有 "configured"。我的意思是，在较低的层次上，每个 TensorFlow 操作 而不是 声明自己的梯度是什么（即计算其梯度的相应操作）。而是在 Python 级别声明。例如，您可以查看 math_ops.py。您会看到，除此之外，还有几个用 @ops.RegisterGradient(...) 修饰的函数。这个装饰器所做的是将该函数添加到操作及其梯度的全局注册表（在 Python 中）。因此，例如，优化器 类 主要在 Python 中实现，因为它们利用此注册表来构建反向传播计算（而不是为此目的使用原生 TensorFlow 原语，后者不存在）。
所以关键是你可以使用相同的操作进行相同的计算（然后用相同的内核实现），但我不认为 C++ 有（或永远不会有）这样的梯度注册表（和优化器 类)，因此您需要自己计算或复制该反向传播构造。一般来说，C++ API 不太适合构建计算图。
现在另一个问题（也许这就是您首先要问的问题）是您是否可以 运行 一个在 C++ 中进行反向传播的现有图。我的意思是在 Python 中构建一个计算图，创建一个优化器（它反过来在图中创建必要的操作来计算梯度和更新变量）并导出图，然后在 C++ 中加载该图，然后运行它。这是完全可能的，与 运行在 TensorFlow C++ 中使用任何其他类型的东西没有什么不同。
tensor-flow C++ API是否支持自动微分反向传播梯度？
如果我用 C++ 编写一个图，并想在 C++ 代码中 运行 它（而不是 python！），自动微分会起作用吗？
让我们假设图中的每个操作都有梯度实现。
我认为关于张量流 C++ API 能做什么和不能做什么的文档非常差。
非常感谢您的帮助
技术上 可以，但据我所知，自动微分在 Python 中只有 "configured"。我的意思是，在较低的层次上，每个 TensorFlow 操作 而不是 声明自己的梯度是什么（即计算其梯度的相应操作）。而是在 Python 级别声明。例如，您可以查看 math_ops.py。您会看到，除此之外，还有几个用 @ops.RegisterGradient(...) 修饰的函数。这个装饰器所做的是将该函数添加到操作及其梯度的全局注册表（在 Python 中）。因此，例如，优化器 类 主要在 Python 中实现，因为它们利用此注册表来构建反向传播计算（而不是为此目的使用原生 TensorFlow 原语，后者不存在）。
所以关键是你可以使用相同的操作进行相同的计算（然后用相同的内核实现），但我不认为 C++ 有（或永远不会有）这样的梯度注册表（和优化器 类)，因此您需要自己计算或复制该反向传播构造。一般来说，C++ API 不太适合构建计算图。
现在另一个问题（也许这就是您首先要问的问题）是您是否可以 运行 一个在 C++ 中进行反向传播的现有图。我的意思是在 Python 中构建一个计算图，创建一个优化器（它反过来在图中创建必要的操作来计算梯度和更新变量）并导出图，然后在 C++ 中加载该图，然后运行它。这是完全可能的，与 运行在 TensorFlow C++ 中使用任何其他类型的东西没有什么不同。