我的网络中有一个相当复杂的量化层，其中包含tf.tile和tf.expand_dims操作等操作。我注意到我的网络训练不好。查看一些调试输出，我看到此量化层之前的全连接层的权重梯度为零（我使用optimizer.compute_gradients来确定这一点）。这是否意味着量化层之前的内容在训练中不会更新？
一般来说：如何确定哪些操作允许梯度通过，哪些操作不通过？例如，做上面提到的tf.tile，tf.expand_dims让梯度通过'
如果您的模型中存在没有梯度的操作，您将收到一个错误：
LookupError: No gradient defined for operation [...]
所以你的问题似乎在其他地方，也许你在某处乘以零会杀死梯度。您的问题中没有足够的信息来找到问题的真正原因。
编辑：我没有直接回答哪些操作支持自动渐变的问题。
它没有在文档中列出，我认为您只能通过检查源代码或使用操作来查看它，看看在尝试优化模型时是否遇到上述错误。
对于tf.tile和tf.expand_dims，定义了梯度。