Python 张量流中while_环中反向传播的奇异行为

我试图看看Tensorflow是否可以在没有预定义数量的循环的情况下通过while_循环进行反向传播。有件奇怪的事引起了我的注意：

import tensorflow as tf
from numpy import *

tf.reset_default_graph()

X = tf.Variable(5.0, dtype = float32)
Y = tf.Variable(4.0, dtype = float32)

def cond(iterN, Y):
    return iterN<6

def body(iterN, X):
    return iterN+1, tf.add(X,X)
    # return iterN+1, tf.multiply(X,2)

finalOutX = tf.while_loop(cond, body, [0,X], parallel_iterations=1, back_prop=True, swap_memory=True)

gra = tf.gradients(finalOutX, X)

init = tf.global_variables_initializer()

with tf.Session() as sess:

    init.run()
    X_val, graVal, = sess.run([finalOutX, gra])    

print(X_val)
print(graVal)

但是，当我将

tf.add（X，X）

替换为

tf.multiply（X，2）

时，可以执行代码并返回正确答案

gra=64

---

当我使用

tf.add（X，X）

时，有人能帮我理解错误的来源吗？提前谢谢

看起来像一个奇怪的TF错误。您可以提交一个问题。对于那些关心的人：将

tf.add（X，X）

更改为

tf.add（tf.multiply（X，1.0），tf.multiply（X，1.0））

是一种解决方法

InvalidArgumentError: Retval[0] does not have value