Tensorflow 自定义层（TF/Keras）的反向传播问题

我一直在开发一个原型，但我在反向传播方面遇到了问题。我目前正在使用最新的keras和tensorflow构建（作为tensorflow的后端，我研究了cntk、mxnet和chainer；到目前为止，只有chainer允许我这么做，但培训时间相当缓慢……）

我的当前层类似于卷积层，它的运算比简单的乘法要多

我知道tensorflow应该使用自动微分，如果所有操作都支持它来计算梯度并执行梯度下降

目前，我的图层使用以下运算符：reduce_sum、sum、减法、乘法和除法

我还依赖于以下方法：提取图像补丁、重塑、转置

我怀疑这些都会导致自动梯度下降的问题。我构建了两个层作为测试，一个从keras中的基础层继承，另一个直接从_Conv继承。在这两种情况下，无论何时我在模型中的任何位置使用该层，在训练过程中都不会更新权重

如何解决此问题并修复反向传播

编辑： （以下是层实现

---

对于测试，请参见）

错误是什么？您必须包含代码，否则没有人能告诉您太多。@LukeDinh没有错误消息，但训练过程后所有权重都相同。因此，比较训练前后的权重和偏差只会产生零数组，这不是使用cnn的情况。@MatiasValdenegro完整的层实现位于此处。您是否尝试查看tf.梯度（输出，变量）的输出，其中输出=my_层（输入）？这将告诉您是否正确计算了渐变。