我正在尝试使用 Keras 和 TF2 训练一个分支模型，其结构类似于此图像模型架构
基本上，我有一个图像数据集，它将通过一个编码器传递给我一个潜在向量作为结果。根据特定条件，开关会将此潜在向量传递给 4 个 DNN 之一。它们都产生自己的输出和损失，总损失是它们的总和。
所以，我的问题是，我应该如何使用 tf.GradientTape() 来跟踪梯度并更新模型可训练变量，因为小批量中的数据不会以一种方式流动？
Obs：我已经想出了一种在前进步骤中将潜在向量传递给正确 DNN 的方法。
我正在尝试使用 Keras 和 TF2 训练一个分支模型，其结构类似于此图像模型架构
基本上，我有一个图像数据集，它将通过一个编码器传递给我一个潜在向量作为结果。根据特定条件，开关会将此潜在向量传递给 4 个 DNN 之一。它们都产生自己的输出和损失，总损失是它们的总和。
所以，我的问题是，我应该如何使用 tf.GradientTape() 来跟踪梯度并更新模型可训练变量，因为小批量中的数据不会以一种方式流动？
Obs：我已经想出了一种在前进步骤中将潜在向量传递给正确 DNN 的方法。