Tensorflow 我们如何剪裁派生变量，从而相应地剪裁可训练值的值

当我创建一个从可训练变量导出的变量（不用于计算预测输出）并对其应用剪辑时，实际可训练变量是否也会根据导出变量可以获取的值进行剪辑？如果没有，有没有办法做到这一点

为了便于解释，请举一个简单的线性回归示例：

Y=Ax+B（其中A和B是可训练变量，x是我们的输入）

如果我们创建一个变量：

C = tf.Variable(B/A, dtype ='float64')

并在C上应用一个夹子：

C = tf.clip_by_value(C, c_min, c_max)

现在优化预测Y和实际Y在一组输入上的均方误差，我们会得到B和a，从而满足C可以得到的值吗？ 如果没有，有没有办法做到这一点

在我的例子中，我有一些复杂的派生变量，它们的比率要被剪辑，但是如果我有上述问题的答案，我想我就有了基础，并且能够建立在这个基础上。