为什么TensorFlow的采样softmax损失在采样类上停止了梯度？

Question

TensorFlow的采样丢失函数nce_loss和sampled_softmax_loss的主干是tensorflow.python.ops.nn_impl _compute_sampled_logits中称为_compute_sampled_logits的<{3}}。

_compute_sampled_logits作为输入：

• 最后一层的重量和偏差，
• 输出标签
• 最后一层输入的输入
• 输出图层的采样值

并仅返回请求的采样标签的logits和标签。

sampled, true_expected_count, sampled_expected_count = ( array_ops.stop_gradient(s) for s in sampled_values) 中执行的第一个（helper function）操作之一是

const keys = ["A1", "B1", "C1"]

const obj = {}

keys.forEach((key) => {
  const subKey = key[0]
  obj[subKey] = key
})

// obj = { A: A1, B: B1, C: C1 }

如果我正确地读取它，这条线似乎会阻止渐变回到采样值。

我的问题是：不应该停止渐变回流通过非采样值而不是采样值？为什么我们要停止从采样值回流的渐变？ `