IndexedSlicesValue возвращает больше элементов, чем dens_shape после вычисления градиентов

Question

Я пытаюсь использовать tenorflow 1.1 на процессоре с python 3.5 для вычисления чувствительности (градиентов) моделирования Монте-Карло. Точный код довольно сложен, но суть его довольно проста:

• У меня есть заполнитель, представляющий кривую процентной ставки (векторный размер 1500). Обратите внимание, что тенор баллы (индексы каждого курса) являются постоянными. Например, простая кривая 4 процентных ставок может быть [0,01, 0,02, 0,023, 0,021] с фиксированными тенорными точками [0,25, 0,5, 1, 2], представляющими ставки через 3 месяца, 6 месяцев, 1 и 2 года соответственно.
• У меня есть процесс симуляции, который генерирует тензор размером 82,1500,2000, представляющий, как выглядит кривая в разные будущие моменты времени (82 здесь) и по 2000 симуляций в каждой.
• Чтобы создать тензор симуляции, я использую команду сбора, чтобы интерполировать точки тенора кривой к правильной будущей сетке времени (82 временные точки, упомянутые ранее)

Код содержит что-то вроде этого (tnr - это фиксированные точки тенора, tnr_d - это первое отличие tnr - обе имеют ту же форму, что и заполнитель):

alpha_1 = (ten_tv - tnr[ten_t])/tnr_d[ten_t]
fwd1    =  alpha_1*tf.gather(tensor,ten_t + 1) + (1 - alpha_1)*tf.gather(tensor, ten_t)

ten_tv и ten_t являются матрицами формы (82,1500), представляющими (обязательные) будущие точки тенора и ближайший индекс в заполнителе в момент времени t для точки тенора i соответственно. Например, ten_t может выглядеть так:

array([[   0,    1,    2, ..., 1497, 1498, 1499],
       [   1,    1,    2, ..., 1497, 1498, 1499],
       [   2,    2,    3, ..., 1497, 1498, 1499],
       ..., 
       [ 645,  645,  646, ..., 1499, 1499, 1499],
       [ 657,  658,  659, ..., 1499, 1499, 1499],
       [ 669,  670,  670, ..., 1499, 1499, 1499]])

наконец, тензор - это заполнитель формы (1500), представляющий входную кривую.

Затем запускается симуляция Монте-Карло, и я получаю правильный ответ:

out = (1.0-r)*tf.reduce_sum(0.5*(pv_exposure[1:]+pv_exposure[:-1])*pd,axis=0)
grad_out = tf.gradients(out, placeholder_curve)

Но я получаю странный ответ для grad_out:

IndexedSlicesValue(values=array([      0.        ,       0.        ,       0.        , ...,
    461803.6875    ,  153901.359375  ,     462.78277588], dtype=float32), indices=array([  1,   2,   3, ..., 645, 657, 669], dtype=int64), dense_shape=array([1500]))

Я проверил онлайн, и согласился, что IndexedSlicesValue возвращается из tf.gradients, если используется операция сбора.

Но вот в чем дело - и значения, и индексы, возвращаемые в разреженном тензоре IndexedSlicesValue, имеют размер 253380.

Как это возможно? И что еще более важно, как получить градиенты? Суммирую ли я их? Средний их? Мне просто нужен вектор размером 1500 (который является плотной формой результата)

Благодарю.