我正在尝试将在纯python中编码的强化学习脚本调整为张量流。
我设计了它并且当我开始通过它进行采样时，我在前向传播中获得了完全相同的值（对于第一个样本），但后来我反向传播并且梯度值不相同（甚至不接近）。
我认为它与RELU通过RELU的非线性有关，但是我再也不确定了。
逐步反向传播网络架构的最简单方法是什么？
答案 0 :(得分：5)
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，您可以通过将计算梯度的值传递给sess.run函数