最终的损失梯度是 1D,但网络输出是 (1,2)。梯度如何传播?

我一直在想,`tf.reduce_sum` 和 `y` 是 1d,而 MSE 损失项也是 1d,但要传播的梯度需要与网络输出的维度相同,即 (1, ACTIONS) = (1, 2)。最终的损失梯度是否只是在两个维度中复制?即 (1, 1) -> (1, 2)?