Machine learning Tensorflow所有变量都经过训练吗？

当使用tensorflow的自动微分时，每次迭代都会更新哪些变量

例如，如果我有一个带有状态变量的普通RNN，自动微分会计算它的梯度并为每个时间步更新它吗，因为它会导致损失

例如，普通RNN的方程式为：

h_t=X_t W_X+h_{t-1}W_h+b

tensorflow如何知道更新W_x、W_h和b，而不是h_{t-1}

---

对不起，我遗漏了一些明显的东西

RNN的状态未定义为可训练的tensorflow变量。它只是图形中的一个节点，用于连接其他节点。相反，权重矩阵

W_x

和

W_h

被明确定义为具有

tf.Variable（…，trainable=True）

的tensorflow变量。梯度是针对可训练变量计算的，因此它们只是优化过程中更新的对象

RNN的状态未定义为可训练的tensorflow变量。它只是图形中的一个节点，用于连接其他节点。相反，权重矩阵

W_x

和

W_h

被明确定义为具有

tf.Variable（…，trainable=True）

的tensorflow变量。梯度是针对可训练变量计算的，因此它们只是优化过程中更新的对象

当你调用

opt.minimize

时，你可以提供一个你可以区分的变量列表，因此如果你想最小化它，你可以给出“h_t”。当你调用

opt.minimize

时，你可以提供一个你可以区分的变量列表，因此如果你想最小化它，你可以给出“h_t”