计算Keras中自定义图层中的渐变

Question

我已经编写了一个代码来计算Keras中自定义层中的Choquet池。在指向笔记本的Colab链接下方： https://colab.research.google.com/drive/1lCrUb2Jm680JRnACPxWpxkOSkP_DlHGj 正如您所能看到的，代码在梯度计算中崩溃，正好在函数custom_grad内部。这是不可能的，因为我将返回0个与上一层形状相同的渐变。 所以我有两个问题：

• Keras（或Tensorflow）是计算层输入和层输出之间梯度的一种方法吗
• 如果我传递了一个与前一层形状相同的张量，但填充了0，为什么代码不起作用

谢谢你的关注，我在等待你的帮助。 提前谢谢

Answer 1

没有人对这个问题感兴趣。 经过几次试验，我找到了解决办法。问题在于，正如Mainak431在GitHub回购协议中所述： link to diff and non-diff ops in tensorflow

有可微张量流运算和不可微运算。在Colab笔记本中，我使用了不可微的散射和更新作为示例。 因此，我建议，如果您想在Keras中创建自己的自定义层，请查看上述列表，以便使用允许Keras为您自动区分的操作。 不管怎样，我正在研究它，以便尽可能多地为这个开放的研究课题提供信息。我记得，对于神经网络，“乐高玩具”是一个边界，我确信你们中的许多人都对在深层神经网络模型中添加操作（聚合或其他东西）感兴趣。 特别感谢Maniak431，我爱你<；三,