在theano衍生品教程中：
http://deeplearning.net/software/theano/tutorial/gradients.html#tutcomputinggrads
Lop的例子在点积中没有明确的W矩阵值。事实上，在这种情况下，偏导数会删除W分量的值，因此不需要它们。
但是，尝试与Rop类似的事情会引发错误：
theano.gof.fg.MissingInputError :(“图表的输入，用于计算点（Elemwise {second，no_inplace} .0，），未提供且未给出值。
这有什么不同？
答案 0 :(得分：0)
Theano将尝试优化计算图，但它并不总是有效。
在Lop示例中，Theano可以检测到我们实际上并不需要W，但是当改为Rop时它就不能。
罗布泊的例子：
W = T.dmatrix('W')
v = T.dvector('v')
x = T.dvector('x')
y = T.dot(x, W)
VJ = T.Lop(y, W, v)
f = theano.function([v, x], VJ)
f([2, 2], [0, 1])
如果我只是将y = T.dot(x, W)更改为y = T.dot(x, W**1)，Theano将无法进行优化，并向我发出相同的错误消息，说我没有提供足够的参数。
实际上在Rop示例中，如果我们更改赋予W的值，它根本不会影响结果，因为Theano未能优化它。
P.S。我发现有时Theano的文件很不清楚。