在theano导数教程中：
http://deeplearning.net/software/theano/tutorial/gradients.html#tutcomputinggrads
Lop 的示例在点积中没有 W 矩阵的显式值的情况下工作。而且，事实上，这种情况下的偏导数确实会删除 W 的分量的值，因此不需要它们。
但是，用 Rop 尝试类似的事情会引发错误：
theano.gof.fg.MissingInputError: ("用于计算点的图形输入(Elemwise{second,no_inplace}.0, ) 未提供且未指定值。
这有什么不同？
【问题讨论】：
标签： theano
Theano 会尝试优化计算图，但并不总是有效。
在 Lop 示例中，Theano 可以检测到我们实际上并不需要那个 W，但是当更改为 Rop 时它就不能了。
洛普例子：
W = T.dmatrix('W')
v = T.dvector('v')
x = T.dvector('x')
y = T.dot(x, W)
VJ = T.Lop(y, W, v)
f = theano.function([v, x], VJ)
f([2, 2], [0, 1])
如果我只是将y = T.dot(x, W) 更改为y = T.dot(x, W**1)，Theano 将无法进行优化并向我抛出相同的错误消息，说我没有提供足够的参数。
实际上在 Rop 示例中，如果我们更改赋予 W 的值，它根本不会影响结果，因为 Theano 未能优化它。
附言我发现 Theano 文档有时很不清楚。
【讨论】：