小编goo*_*ict的帖子

更具体地说,我有一个简单的fprop,它是tf操作的组合.我想使用RegisterGradient使用我自己的渐变方法覆盖tensorflow梯度计算.

这段代码出了什么问题？

import tensorflow as tf
from tensorflow.python.framework import ops

@ops.RegisterGradient("MyopGrad")
def frop_grad(op, grad):
    x = op.inputs[0]
    return 0 * x  # zero out to see the difference:

def fprop(x):
    x = tf.sqrt(x)
    out = tf.maximum(x, .2)
    return out

a = tf.Variable(tf.constant([5., 4., 3., 2., 1.], dtype=tf.float32))
h = fprop(a)
h = tf.identity(h, name="Myop")
grad = tf.gradients(h, a)

g = tf.get_default_graph()
with g.gradient_override_map({'Myop': 'MyopGrad'}):
    with tf.Session() as sess:
        sess.run(tf.initialize_all_variables())
        result = sess.run(grad)

print(result[0])

我想看到印刷品中的所有零,但我得到:

[ 0.2236068   0.25000003  0.28867513  0.35355341  0.5 …