Tensorflow：初始化串联张量的正确方法？

Question

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，显然在这种特殊情况下这很容易解决，但在我面临的实际用例中，与递归神经网络有关，我需要使用 tf.Variable 来形成张量从连接其他张量，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，也许有一种正确的方法可以通过串联创建张量。

帮忙？

Answer 1

好的，知道了——您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——我们不需要可训练的变量，我们想要 tf.constant.

Tensorflow：初始化串联张量的正确方法？

Tensorflow: correct way to initialize concatenated tensors?

python

gradient-descent

tensorflow

gradienttape