Neural network 如何将Tensorflow网络分成两部分，并保持梯度反向传播？

我试图用tensorflow实现“深卷积逆图形网络”，这意味着我必须对梯度做一些棘手的事情

基本上，我想把一个自动编码器分成两个独立的网络。我不需要，但那很方便。目的是对反向传播步骤中的梯度流进行一些无法描述的修改。你知道怎么做吗？以下是我想要实现的目标的模式：

显而易见，对于正向路径，它意味着将一个网络的输出插入另一个网络。不幸的是，我无法看到如何反向传播错误

---

目前我最好的办法是复制一个权重矩阵，即将W3复制到Encoder作为W2.5，然后将W3的梯度复制到Encoder作为W2.5的梯度。但是在这个模式中肯定有一个更简单的方法或者一个明显的误解。

一种方法是将“非TF”环境嵌入到Tensorflow操作符中。然后Tensorflow可以负责向前传播激活，向后传播梯度

tf.py_func

是从Tensorflow图调用非Tensorflow的一种方法；另一种方法是定义一个自定义C++操作符。可以为操作符定义自定义梯度函数（有关如何使用tf.py_func的信息，请参阅）；您的自定义渐变可以执行任何您喜欢的无法形容的恐怖。