如何安全地计算cumprod的梯度

Question

我正在尝试为深度学习框架编写MyObjectClass *p; //holds pointer to the instance in main thread qApp->postEvent(p, new QEvent(QEvent::User+1)); Op，正向计算很简单，但是梯度计算存在一些问题。

显然， <{strong> .update和Tensorflow正在使用以下错误的实施：

cumprod

这种情况大部分都有效，但是如果def cumprod_grad(x, g): ''' Returns cumprod gradient wrt x Args: x: vector original input g: vector upstream gradient ''' fx = np.cumprod(x) return np.cumsum((fx*g)[::-1])[::-1] / x 的元素为零，则除法将生成x，这是不正确的。

示例：

nan

O（n ^ 2）修复很简单，但效率很低。

针对此问题的高效且可矢量化的解决方案是什么？优选地，O（n）解决方案适合于GPU实现。