Tensorflow 当你重新组织中间层的输出时，TysFooad如何处理反向传播？

我有一个神经网络，它有一个隐藏层，输出一个数字a，然后我使用一个函数，它使用a生成一个向量。问题是TF在进行反向传播时能否正确处理这一问题？我确实在TF中尝试过，它可以输出一些东西，但我仍然不确定bp是否正常工作

顺便说一句，我用来从一个数字生成向量的函数是V是前一层的输出，d是我输入的值，G是常数：

def generator，V: dmn=[] 对于范围内的k： d1=tf.exp-V*d--1+k*0.2\**2/2*0.2\**2 附录1 返回dmn

---

是的，tensorflow几乎可以通过tensorflow图中表示的任何可微变换进行反向传播，当反向传播无法发生时，您将得到一个可见的错误。

谢谢！我没有看到任何错误，所以我认为它是有效的。但是当我试图通过计算梯度得到权重时，一个错误突然出现，说我需要输入一个特定大小的张量，因为你没有正确地将张量输入到tf.placeholder。这与渐变无关。