Python 当传递一个'ys'张量列表时，tf.gradients的行为如何？

当tf.gradients将张量列表作为其第一个参数传递时，它的行为究竟如何？举一个很小的例子：

a = tf.constant(5)
b = tf.constant(7)
c = a + 2 * b

如果我计算单个张量c相对于[a，b]的梯度，我会得到预期的答案：

grads = tf.gradients(c, [a, b])
with tf.Session() as sess:
    sess.run(grads) # returns (1, 2)

根据Tensorflow文档，如果传入一个张量列表作为第一个参数ys，tf.gradients将对该列表上的梯度求和，并为第二个参数中的每个x返回sum_over_ysdy/dx。因此，我希望：

tf.gradients([a, b, c], [a, b])

与以下行为相同：

tf.gradients(a + b + c, [a, b])

---

我看错文件了吗？当我测试这段代码时，我得到了第二个表达式显式求和a+b+c的预期结果[2，3]，但是第一个表达式得到了[2，1]。这[2，1]从何而来？

这是因为您使用的是tf.constant，理论上它不应该受到输入的影响

如果你用其他任何东西代替你的实验，例如变量，它会按预期工作

---

当你对常数应用一个操作符，无论是加法还是恒等式，你会得到一个新的张量，它不是常数，即使它们只对常数进行除法-因此你会得到预期的行为。

奇怪的是，如果我对[tf.identitya，tf.identityb，c]取导数，它会像预期的那样工作。这是TF中的一个bug，还是出于某种原因，您不应该在ys列表中包含一些X？