Python can'；我不理解自定义Theano Op中的grad（）方法

当我阅读有关创建新Op的文档时，我无法理解示例中的grad（）。为什么它们返回

output\u grads[0]*2

而不是

2

？那么，

output\u grads[0]

代表什么

如果输出梯度[0]表示相对于输入x的链导数，在下一个示例中，为什么梯度（）返回

a*输出梯度[0]+b

（它应该是

self.a*输出梯度[0]+self.b

）而不是

self.a*输出梯度[0]

一个更复杂的定制Op怎么样？像

y=exp（x1）/（a*（x1**3）+log（x2））

，如何写入它的grad（）？此外，如果输入是向量或矩阵，那么如何编写grad（）？

正如前面指出的，

输出\u grads

参数是

（其中f是

Op

的输出之一，C是调用

theano.tensor.grad（…）

的成本）

该页面还指出，

Op

的

.grad（…）

方法必须返回

（其中x是对

操作的输入）

我认为
ax+b
示例是错误的。如果您查看实际代码，例如，
它似乎只是实现了链式规则


免责声明：到目前为止，我还没有实现自定义的
Op
，我自己也在研究这个问题，这就是我对它的理解。
另请参见：谢谢！LDGN。我认为你是对的。输出_梯度[0]表示dC/df，其中f是Op的输出，即y1。如果没有下一级Op的输入包括y1，则输出_梯度[0]设置为1。