如何從keras API模型獲取tf.gradients？

Question

我想知道如何從使用tf.gradients API構建的模型中獲取tf.gradients 。

import Tensorflow as tf
from tensorflow import keras
from sklearn.datasets.samples_generator import make_blobs

# Create the model
inputs = keras.Input(shape=(2,))
x = keras.layers.Dense(12, activation='relu')(inputs)
x = keras.layers.Dense(8, activation='relu')(x)
predictions = keras.layers.Dense(3, activation='softmax')(x)
model = keras.models.Model(inputs=inputs, outputs=predictions)
model.compile(optimizer=tf.train.AdamOptimizer(0.001),
          loss='categorical_crossentropy',
          metrics=['accuracy'])

# Generate random data
X, y = make_blobs(n_samples=1000, centers=3, n_features=2)
labels = keras.utils.to_categorical(y, num_classes=3)

# Compute the gradients wrt inputs
y_true = tf.convert_to_tensor(labels)
y_pred = tf.convert_to_tensor(np.round(model.predict(X)))
sess = tf.Session()
sess.run(tf.global_variables_initializer())
grads = tf.gradients(model.loss_functions[0](y_true, y_pred), 
                      model.inputs[0])
sess.run(grads, input_dict={model.inputs[0]: X, model.outputs: y})

上面的第一次嘗試：我的畢業生為None 。 在下面的第二次嘗試中：

sess.run(grads, input_dict={model.inputs: X, model.outputs: y })

我收到以下錯誤：

TypeError: unhashable type: 'list'

Answer 1

我認為使用Keras時不應直接與Tensorflow創建新會話。 相反，最好使用Keras隱式創建的會話：

import keras.backend as K

sess = K.get_session()

但是，我認為在這種情況下，您根本不需要檢索會話。 您可以輕松使用后端函數（例如K.gradients()和K.function()來實現您的目標。