Python 在Tensorflow 2.0中使用GradientTape（）和jacobian（）时出错

我正在使用Python中Tensorflow 2.0中的GradientTape（）和jacobian（）

此代码执行良好：

x = tf.Variable(2.0, dtype=tf.float32)
with tf.GradientTape() as gT:
    gT.watch(x)
    g = tf.convert_to_tensor([x, 0.0], dtype=tf.float32)
dg = gT.jacobian(g, x)

但这一准则打破了：

x = tf.Variable(2.0, dtype=tf.float32)
with tf.GradientTape() as gT:
    gT.watch(x)
    gv = tf.Variable([x, 0.0], dtype=tf.float32)
    g = tf.convert_to_tensor(gv , dtype=tf.float32)
dg = gT.jacobian(g, x)

并抛出错误：

InvalidArgumentError：必须为数据类型为int32的占位符张量“loop\u body/placeholder”提供一个值 [[node loop_body/Placeholder（定义于…Anaconda3\lib\site packages\tensorflow_core\python\framework\ops.py:1751）]][Op:[u推断\u f_995]

模块中的回溯（最近一次调用）ipython-input-32-686c8a0d6e95
4 gv=tf.Variable（[x，0.0]，dtype=tf.float32）
5g=tf.convert_to_tensor（gv，dtype=tf.float32）
---->6dg=gT.雅可比矩阵（g，x）

---

为什么第一个代码有效，而第二个代码无效？

原因很简单

在第一个例子中，您得到

g=tf.convert_to_tensor（[x，0.0]，dtype=tf.float32）

而compute

dg/dx

和

g

与

x

有直接关系，工作正常

但在第二个例子中

gv = tf.Variable([x, 0.0], dtype=tf.float32)
g = tf.convert_to_tensor(gv , dtype=tf.float32)

g

和

x

之间不再有任何联系，因为当你打电话时

gv=tf.Variable（[x，0.0]，dtype=tf.float32）

它只是复制

x

中的值，并且不带对

x

的引用，因此无法获得导数

dg/dx

。但是如果你尝试一下dg/d（gv）它会奏效的

PS：但是我没有收到错误（对于您的第二个示例）。我只得到了

无