我发现tf.identity是创建具有与输入相同形状和内容的新张量的好方法。
但是，我不清楚在此操作中梯度是否可以流动？它是可区分的操作吗？谁能详细说明一下？谢谢！
最佳答案
Identity op的梯度op是一个恒等函数。换句话说，在反向传播期间，通过dy op的梯度函数按原样返回输入的梯度值Identity。
关于python - 如何为tf.identity计算梯度，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59601961/