tensorflow - tf.gradients 是如何管理复杂函数的？

Question

我正在使用复值神经网络。

对于复值神经网络，通常使用 Wirtinger 演算。然后导数的定义是（考虑到由于刘维尔定理，函数是非全纯的）：

如果您阅读 Akira Hirose 的书《复值神经网络：进展和应用》，第 4 章等式 4.9 定义：

当然，偏导数也是使用 Wirtinger 演算计算的。

这是张量流的情况吗？还是以其他方式定义？我找不到关于该主题的任何好的参考。

Answer 1

好的，所以我在github/tensorflow的现有线程中讨论了这个问题， @ charmasaur 找到了响应，Tensorflow 用于梯度的方程是：

当使用 wrt z 和 z* 的偏导数的定义时，它使用 Wirtinger 演算。

---

对于一个或多个复变量的实值标量函数的情况，此定义变为：

这确实是复值神经网络 (CVNN) 应用程序中使用的定义（在此应用程序中，函数是确实真实的损失/错误函数）。