tf.raw_ops.TensorArrayGradV3

Создаёт TensorArray для хранения градиентов значений в заданном дескрипторе.

tf.raw_ops.TensorArrayGradV3(
    handle, flow_in, source, name=None
)

Если заданный градиент TensorArray уже существует, возвращает ссылку на него.

Фиксирует размер исходного TensorArray, отключив его флаг динамического размера.

Примечание о входном потоке flow_in:

Дескриптор потока flow_in заставляет выполнение поиска градиента происходить только после выполнения определённых других операций. Например, когда вперёд TensorArray имеет динамический размер, записи в этот TensorArray могут изменять размер объекта. Градиент TensorArray имеет статический размер, основанный на размере вперёд TensorArray при выполнении этой операции. Кроме того, размер вперёд TensorArray фиксируется этим вызовом. В результате поток используется для обеспечения того, что вызов для генерации градиент TensorArray происходит только после выполнения всех записей.

В случае динамически размерных TensorArray вычисление градиента должно выполняться только для операций чтения, которые сами были объединены с потоком для выполнения только после всех записей. Таким образом, конечный размер вперёд TensorArray известен при вызове этой операции.

Примечание об атрибуте source:

Вызовы градиента TensorArray используют объект-аккумулятора TensorArray. Если несколько градиентов вычисляются и выполняются в одной сессии, несколько узлов градиента могут случайно пройти через один и тот же объект-аккумулятор TensorArray. Это двойное подсчитывание и, как правило, нарушает поток градиента TensorArray.

Решение заключается в определении того, в каком вызове градиента этот конкретный градиент TensorArray вызывается. Это выполняется путём определения уникальной строки (например, "gradients", "gradients_1", ...) из имени входящего градиентного тензора. Эта строка используется в качестве суффикса при создании объекта градиента TensorArray здесь (атрибут source).

Атрибут source добавляется в качестве суффикса к имени вперёд TensorArray при выполнении создания/поиска, чтобы каждое отдельное вычисление градиента получало свой собственный объект-аккумулятор TensorArray.