Python 为什么“tf.tile”会在所有副本中传播渐变？

我试图理解Tensorflow是如何通过函数传播梯度的，具体地说是

tf.tile

。我想做的很简单：

考虑到批次大小为3:“ #案例1： a=tf.常数（[[1,1.5]，[2,2.5]，[3,3.5]，[[4,4.5]，[5,5.5]，[6,6.5]，[7,7.5]，[8,8.5]，[9,9.5]）#形状[3,3,2] b=tf.常数（[[0.1]、[0.2]、[0.3]、[[0.4]、[0.5]、[0.6]、[[0.7]、[0.8]、[0.9]]）#形状[3,3,1] “”“我想要的是c=a+b，所以我平铺b以匹配a的最后一个维度：”“” b#tile=tf.tile（b[1,1，tf.shape（a）[-1]]）#shape[3,3,2] c=a+b#瓷砖#形状[3,3,2] 现在让我们计算

c

相对于

a

和

b_-tile

的梯度：

dc_da，dc_dbtile=tf.梯度（c，[a，b_tile]）
#dc_da：与a形状相同的张量和所有元素1。
#dc_dbtile：与b和所有元素1形状相同的张量。

这完全有道理，因为我有一个线性关系：

c=a+b\u tile

。但是，当我计算

b_tile

w.r.t

b

的梯度时，我希望梯度是

1。

同样，因为我没有更改

b

的内部值，只需扩展维度即可。但当我这样做时，它会给出

2.

结果：

dbtile_db=tf.梯度（b_tile，[b]）
#dbtile_db：与b形状相同且所有元素均等于2的张量。

我还尝试了两次连接张量

b

，而不是使用

tf.tile

，它给出了相同的结果，所以很明显我遗漏了一些东西

我尝试了另一个例子，以检查这是从哪里来的。现在让我们考虑另一张张量<代码> t>代码>，值与<代码> b>代码>完全相同，让我们连接它们来获得我需要的张量。在这种情况下：

#案例2：
m=tf.concat（[b，t]，-1）#形状[3,3,2]。与b_图相同的张量
dm_db，dm_dt=tf.梯度（m，[b，t]）
#dm_db：与b形状相同且所有元素等于1的张量。
#dm_dt：与t形状相同且所有元素等于1的张量。

所以我有几个问题：

1） 我不明白的是，为什么使用

tf.tile

梯度会在所有副本中传播，而它们只是一个计算总和的工具。从数值上讲，这对我来说没有意义，我希望梯度像上一种情况一样传播

2） 案例1和案例2之间的差异（梯度方面）是什么？当我尝试做的是相同的时候，为什么会产生不同的结果

3） 考虑到我想计算和

c=a+b

，正确的方法是什么

问题是，在这个示例中，我的最后一个维度是

2

，因此我可以手动执行（串联）在我真正的问题中，我的最后一个维度是

256000

，因此我无法使用最后一种方法。先谢谢你