以下代码应输出x = 2的y = x * x的梯度，即值为4.但是，使用TensorFlow 2.0.0-alpha0时，该代码将打印出None值。如下一个代码片段所示，当x的定义更改为使用tf.float32而不是tf.int32时，输出将更改为正确的值4。是否有任何文档将数据类型的要求阐明为：是GradientTape在这种情况下可以正常工作的浮点数吗？
print(tf.__version__)
x = tf.constant(2, dtype=tf.int32)
with tf.GradientTape() as tape:
tape.watch(x)
y = x ** 2
print(tape.gradient(y, x))
输出：
2.0.0-alpha0
None
在下一个代码段中注意对tf.float32的更改：
print(tf.__version__)
x = tf.constant(2, dtype=tf.float32)
with tf.GradientTape() as tape:
tape.watch(x)
y = x ** 2
print(tape.gradient(y, x))
输出：
2.0.0-alpha0
tf.Tensor(4.0, shape=(), dtype=float32)
答案 0 :(得分：1)
原因是tf.gradient不会通过整数张量传播梯度。这个github问题中已经引用了这个：