今天小编就为大家分享一篇基于TensorFlow中自定义梯度的2种方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

前言 在深度学习中，有时候我们需要对某些节点的梯度进行一些定制，特别是该节点操作不可导（比如阶梯除法如 ），如果实在需要对这个节点进行操作，而且希望其可以反向传播，那么就需要对其进行自定义反向传播时的梯度。在有些场景，如[2]中介绍到的梯度反转(gradient inverse)中，就必须在某层节点对反向传播的梯度进行反转，也就是需要更改正常的梯度传播过程，如下图的 所示。 在tensorflow中有若干可以实现定制梯度的方法，这里介绍两种。 1. 重写梯度法 重写梯度法指的是通过tens