Python 为什么在下面的函数中梯度是不相连的？

我正在实施一个客户操作，必须计算其梯度。功能如下：

def difference(prod,box):
    result = tf.Variable(tf.zeros((prod.shape[0],box.shape[1]),dtype=tf.float16))
    for i in tf.range(0,prod.shape[0]):
        for j in tf.range(0,box.shape[1]):
            result[i,j].assign((tf.reduce_prod(box[:,j])-tf.reduce_prod(prod[i,:]))/tf.reduce_prod(box[:,j]))
    return result

我无法计算有关box的渐变，tape.gradient（）返回的是None，下面是我为计算渐变而编写的代码

prod = tf.constant([[3,4,5],[4,5,6],[1,3,3]],dtype=tf.float16)
box = tf.Variable([[4,5],[5,6],[5,7]],dtype=tf.float16)
with tf.GradientTape() as tape:
    tape.watch(box)
    loss = difference(prod,box)
    print(tape.gradient(loss,box))

---

我无法找到未连接渐变的原因。是结果变量导致的吗？请建议另一种实现方式。

是的，为了计算梯度，我们需要对变量进行一组（可微）运算

您应该根据2个输入张量重新编写

差异
。我认为（尽管我很高兴地承认我不是100%确定！）正是使用“赋值”使渐变带倒下

也许是这样的：

def差异（产品、包装箱）：
框体红色=tf。减少生产（框体，轴=0）
生产线红色=tf。减少生产线（生产线，轴=1）
返回（tf.expand\u dims（框红色，0）-tf.expand\u dims（产品红色，1））/tf.expand\u dims（框红色，0）

将得到您想要的结果
我想最好避免使用新变量来跟踪梯度。