我在Keras和TensorFlow在引擎盖下工作。我有一个深层神经模型(预测自动编码器)。我正在做一些类似的事情:https://arxiv.org/abs/1612.00796——我试图理解给定层中变量对输出的影响。在
为此,我需要求出损耗(L)相对于特定层输出的二阶导数(Hessian):
对角线输入就足够了。L是标量,s是1乘以n
我首先尝试的是:
dLds = tf.gradients(L, s) # works fine to get first order derivatives
d2Lds2 = tf.gradients(dLds, s) # throws an error
TypeError: Second-order gradient for while loops not supported.
我也试过:
^{pr2}$我不能改变s的形状,因为它是神经网络的一部分(LSTM的状态)。第一个维度(批处理大小)已设置为1,我想我无法删除它。在
我不能重塑s,因为它破坏了渐变的流动,例如:
tf.gradients(L, tf.reduce_sum(s, axis=0))
给出:
[None]
你知道我在这种情况下能做些什么吗?在
目前不支持此功能。见this report。在
相关问题 更多 >
编程相关推荐