"图形模式下的 tf.gradients() 与 tf.gradientTape.gradient()"

Question

我有一个关于 tf.gradients() 而不是 tf.gradientTape.gradient() 在图形模式下的行为的问题。

给定一个可微函数 y = f(x)，其中 x 和 y 都是单个张量流张量，tf.gradient(y, x) 与 tape.gradient(y, x) 的行为之间有什么区别，其中 tape 是一个tf.gradientTape 的实例（假设使用图形模式）？

不知道为什么 tensorflow 有两种不同的梯度方法可以与图形模式一起使用 - 也许实现中有一些细微的差异？ 我查看了 gradientTape 和 tf.gradients 的文档，但不清楚这些方法对于单个 (x, y) 对的行为是否有任何区别，或者是否只是 tf.gradients() 可以在这种情况下用于加速使用图形模式。

非常感谢你的帮助！

Answer 1

TF.gradients<\/strong>

tf.gradients<\/code>仅在图形上下文中有效。 特别是，它在tf.function<\/code>包装器的上下文中有效，其中代码作为图形执行。

@tf.function
def example():
  a = tf.constant(0.)
  b = 2 * a
  return tf.gradients(a + b, [a, b], stop_gradients=[a, b])
example()