使用 Keras+tensorflow 计算梯度输入时出错答案

【问题标题】：Error computing gradients wrt input with Keras+tensorflow使用 Keras+tensorflow 计算梯度输入时出错
【发布时间】：2021-04-01 20:28:42
【问题描述】：

我正在尝试为我的模型获取渐变输入：

input_mat = np.random.rand(1,252,252,1)
with tf.Session() as sess:
    input_tensor = tf.placeholder(shape=input_mat.shape,dtype=tf.float32)
    outmat = tf.convert_to_tensor(np.dstack((np.identity(252)[:,:,np.newaxis],np.zeros((252,252,36))))[np.newaxis,:,:,:])
    input_layer = tf.keras.layers.Input(shape=(252,252,1))
    layer = tf.keras.layers.Conv2D(activation='relu',kernel_size=(3,3),filters=37,padding='same')(input_layer)
    m = tf.keras.Model(input_layer,layer)

    prob_dist = m(input_tensor)

    loss_dist = tf.keras.losses.categorical_crossentropy(y_pred=prob_dist,y_true=outmat,from_logits=True)      
    grads = K.gradients(loss_dist,m.input)  
    sess.run(tf.global_variables_initializer())
    y = sess.run(grads, feed_dict={input_tensor:input_mat})

但是，我收到以下错误：

TypeError: Fetch argument None has invalid type <class 'NoneType'>

显然，渐变似乎是无。我该如何解决？

【问题讨论】：

标签： python tensorflow keras deep-learning

【解决方案1】：

根据tf.Placeholder 计算你的梯度：

grads = K.gradients(loss_dist,input_tensor)

【讨论】：