在深度学习模型中，如何获得输出相对于输入的偏导数？
在深度学习模型中，如何获得输出相对于输入的偏导数？
提问于 2019-03-14 13:52:50
我想在keras中创建自己的损失函数，它包含导数。例如,
def my_loss(x):
def y_loss(y_true,y_pred):
res = K.gradients(y_pred,x)
return res
return y_loss已定义，并且
model = Sequential()
model.add(Dense(10, input_dim=2, activation='sigmoid'))
model.add(Dense(1, activation='linear'))
model_loss = my_loss(x=model.input)
model.compile(loss=model_loss, optimizer='adam')现在因为输入是二维的，
K.gradients(y_pred,x)必须是二维向量。然而，我不知道如何在梯度中获得每个标量。我最终想要的是y_pred对x的所有二阶导数，有没有方便的方法来得到？
它类似于this post，但这篇文章将二维变量分离为两个一维变量。有没有其他方法可以在不分离输入的情况下获得梯度？
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/55155784
复制相关文章
相似问题