在哪里可以找到tensorflow中每个操作的梯度计算实现？

我浏览了在这个python文件中实现的源代码和梯度函数

但我仍然找不到任何用于计算梯度的python api？

---

这个过程是什么

下面是我的代码中的一个例子，其中我取损失函数相对于网络最后一层激活的梯度，然后以单个标量值和直方图的形式将其传递给tensorboard

gradient_a = tf.gradients(loss, [0], [3]), [out_layer_a], name='gradient_position_a')
tf.summary.scalar('mean_gradient_magnitude_a', tf.reduce_mean(tf.abs(self.gradient_a)))
tf.summary.histogram('gradient_magnitude_a', gradient_a)

---

如果您想输出渐变，只需在调用

session.run（[loss，gradient\u a]，feed\u dict={…}）时获取渐变

这是我的代码中的一个例子，我取了关于网络最后一层激活的损失函数的梯度，然后以单个标量值和直方图的形式将其传递给tensorboard

gradient_a = tf.gradients(loss, [0], [3]), [out_layer_a], name='gradient_position_a')
tf.summary.scalar('mean_gradient_magnitude_a', tf.reduce_mean(tf.abs(self.gradient_a)))
tf.summary.histogram('gradient_magnitude_a', gradient_a)

---

如果您想输出渐变，只需在调用

会话时获取渐变。运行（[loss，gradient\u a]，feed\u dict={…}）

不，这不是我要问的。我在问你们是否知道tf在哪里实现了它的自动微分。当你们说“tensorflow在哪里实现了它的自动微分”你们是什么意思？当然，这些梯度是每个op内置的潜在自动分化机制的结果。但是我没有很清楚地理解你的评论，你能详细说明吗？你在评论中提到过“这些梯度是每个op内置的基本自动差异化机制的结果”，因为每个op tensorflow都实现了它的差异化。当我们运行Optimizer.minimize（loss）时，它将再次作为梯度op加载到图中，然后在使用链规则应用梯度时回溯。因此，我转到源代码最小化函数，从它们的函数中，我被引导到这个文件（第390行）中的def Gradients（）。在这个函数里面有一个“op”的东西（第466行），我不能在那之后回溯路径。不，这不是我要问的。我在问你们是否知道tf在哪里实现了它的自动微分。当你们说“tensorflow在哪里实现了它的自动微分”你们是什么意思？当然，这些梯度是每个op内置的潜在自动分化机制的结果。但是我没有很清楚地理解你的评论，你能详细说明吗？你在评论中提到过“这些梯度是每个op内置的基本自动差异化机制的结果”，因为每个op tensorflow都实现了它的差异化。当我们运行Optimizer.minimize（loss）时，它将再次作为梯度op加载到图中，然后在使用链规则应用梯度时回溯。因此，我转到源代码最小化函数，从它们的函数中，我被引导到这个文件（第390行）中的def Gradients（）。在这个函数里面有一个“op”的东西（第466行），在那之后我不能回溯路径。