我正在尝试将以纯python编码的强化学习脚本改编为tensorflow。
我设计了它，当我开始对其进行采样时，在正向传播中（对于第一个样本）获得了完全相同的值，但随后反向传播和梯度值却不相同（甚至不接近）。
我认为这与通过RELU非线性进行反向传播有关，但是我不确定。
逐步了解网络体系结构的最简单方法是什么？
最佳答案
一种方法是打印反向传播梯度的值：
optimizer = tf.train.AdamOptimizer()
variables = tf.trainable_variables()
gradients = optimizer.compute_gradients(cost, variables)
然后，您可以将其传递给
sess.run函数来检查计算出的梯度的值