在TensorFlow Distributions（现称为Probability）的论文中提到，可以使用TensorFlow的Variable来构建Bijector和TransformedDistribution对象，例如：

import tensorflow as tfimport tensorflow_probability as tfptfd = tfp.distributionstf.enable_eager_execution()shift = tf.Variable(1., dtype=tf.float32)myBij = tfp.bijectors.Affine(shift=shift)# 以零为中心的正态分布，然后使用双射将其移到1myDistr = tfd.TransformedDistribution(            distribution=tfd.Normal(loc=0., scale=1.),            bijector=myBij,            name="test")# 以1为中心的正态分布的2个样本:y = myDistr.sample(2)# 通过myBij的逆变换获得以0为中心的正态分布的2个样本:x = myBij.inverse(y)

现在我想修改shift变量（例如，我可能会计算某个似然函数关于shift的梯度并更新其值），所以我做了以下操作：

shift.assign(2.)gx = myBij.forward(x)

我期望gx=y+1，但我看到gx=y… 实际上，myBij.shift仍然等于1。

如果我尝试直接修改双射器，即：

myBij.shift.assign(2.)

我会得到

AttributeError: 'tensorflow.python.framework.ops.EagerTensor' object has no attribute 'assign'

计算梯度也未按预期工作：

with tf.GradientTape() as tape:    gx = myBij.forward(x)grad = tape.gradient(gx, shift)

结果为None，并且脚本结束时还抛出以下异常：

Exception ignored in: <bound method GradientTape.__del__ of <tensorflow.python.eager.backprop.GradientTape object at 0x7f529c4702e8>>Traceback (most recent call last):File "~/.local/lib/python3.6/site-packages/tensorflow/python/eager/backprop.py", line 765, in __del__AttributeError: 'NoneType' object has no attribute 'context'

我在这里错过了什么？

编辑：我在图/会话中成功运行了它，所以似乎是急切执行的问题…

注意：我使用的是TensorFlow版本1.12.0和tensorflow_probability版本0.5.0

回答：

如果您使用的是急切模式，您需要从变量开始重新计算所有内容。最好将此逻辑捕获在一个函数中；

import tensorflow as tfimport tensorflow_probability as tfptfd = tfp.distributionstf.enable_eager_execution()shift = tf.Variable(1., dtype=tf.float32)def f():  myBij = tfp.bijectors.Affine(shift=shift)  # 以零为中心的正态分布，然后使用双射将其移到1  myDistr = tfd.TransformedDistribution(            distribution=tfd.Normal(loc=0., scale=1.),            bijector=myBij,            name="test")  # 以1为中心的正态分布的2个样本:  y = myDistr.sample(2)  # 通过myBij的逆变换获得以0为中心的正态分布的2个样本:  x = myBij.inverse(y)  return x, yx, y = f()shift.assign(2.)gx, _ = f()

关于梯度，您需要将对f()的调用包装在GradientTape中