python - 我如何判断 tf op 是否具有梯度?

标签 python tensorflow autodiff

我有兴趣在 tensorflow 中使用 SparseTensor,但是,我经常得到

LookupError: No gradient defined for operation ...

显然,对于稀疏张量的许多操作都没有定义梯度计算。在实际编写和运行我的代码之前,是否有任何简单的方法来检查操作是否具有梯度?

最佳答案

tensorflow.python.framework.ops中有一个get_gradient_function函数。它接受一个操作并返回相应的梯度操作。示例:

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

a = tf.add(1, 2, name="Add_these_numbers")
b = tf.multiply(a, 3, name='mult')

mult = tf.get_default_graph().get_operation_by_name('mult')
print(get_gradient_function(mult))  # <function _MulGrad at 0x7fa29950dc80>

tf.stop_gradient(a, name='stop')
stop = tf.get_default_graph().get_operation_by_name('stop')
print(get_gradient_function(stop))  # None

关于python - 我如何判断 tf op 是否具有梯度?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48418029/

相关文章:

python - Mastermind Game 中重复某个功能的问题

Pytorch - 为什么预分配内存会导致 "trying to backward through the graph a second time"

python - 当 `tape.watch(x)` 在 TensorFlow 中已经是 `x` 时调用 `tf.Variable` 是否可以?

python - Tensorflow:对前向和后向传递使用不同的表达式

Python从docker容器内部获取Docker容器名称

Python 多处理 apply_async 仅使用一个进程

python - 使用正则表达式将字符串插入文件路径字典中

python - 多线程 - 如何尽可能多地使用 CPU?

python-3.x - 如何在 tensorflow 模型调用函数中提供多个参数?

python - 当切片本身是 tensorflow 中的张量时如何进行切片分配