在Tensorflow 2.0中使用GradientTape（）和jacobian（）时发生错误

Question

我正在使用Python的Tensorflow 2.0中的GradientTape（）和jacobian（）。

此代码执行得很好：

x = tf.Variable(2.0, dtype=tf.float32)
with tf.GradientTape() as gT:
    gT.watch(x)
    g = tf.convert_to_tensor([x, 0.0], dtype=tf.float32)
dg = gT.jacobian(g, x)

但是此代码中断：

x = tf.Variable(2.0, dtype=tf.float32)
with tf.GradientTape() as gT:
    gT.watch(x)
    gv = tf.Variable([x, 0.0], dtype=tf.float32)
    g = tf.convert_to_tensor(gv , dtype=tf.float32)
dg = gT.jacobian(g, x)

并引发错误：

InvalidArgumentError：您必须使用dtype int32为占位符张量'loop_body / Placeholder'提供一个值[[节点loop_body /占位符（在... Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ framework \ ops.py：1751处定义）]] [操作：__ inference_f_995]

追踪（最近一次通话最近）模块中的ipython-input-32-686c8a0d6e954 gv = tf.Variable（[x，0.0]，dtype = tf.float32）5 g = tf.convert_to_tensor（gv，dtype = tf.float32）----> 6 dg = gT.jacobian（g，x）

为什么第一个代码有效，但是第二个代码无效？

Answer 1

原因很简单，

在第一个示例中，您得到了

g = tf.convert_to_tensor([x, 0.0], dtype=tf.float32)

并且计算dg/dx和g与x有直接关系并且可以正常工作。

但是在第二个示例中，

gv = tf.Variable([x, 0.0], dtype=tf.float32)
g = tf.convert_to_tensor(gv , dtype=tf.float32)

g和x之间不再存在连接，因为在您打电话时，
gv = tf.Variable([x, 0.0], dtype=tf.float32)
它仅复制x中的值，并且不携带对x的引用，因此您无法获得导数dg/dx。但是，如果您尝试dg/d(gv)，它将起作用。
PS：不过，我没有收到错误（第二个例子）。我刚得到None。