Numpy 计算训练网络的梯度

假设我有一个经过训练的模型，我试图计算它的雅可比（在训练后试图理解它的一些数学性质）。我正在尝试使用

autograd

，如下所示：

from autograd import jacobian
jacobian_pred=jacobian(model.predict)
jacobian_pred(x)

其中x来自我的训练集。它引发了一个错误：

TypeError: object of type 'numpy.float32' has no len()

我该怎么办

---

谢谢

在此处或Colab中添加一个简单的可复制示例，具体显示

模型的类型和组成

模型的输入为大小为7X151X2的np.ndarray（所有浮点数），输出为大小为6的np.ndarray浮点数。在第一层中，输入得到大小为21X191X2的零填充。该模型包括大约45层-一些密集层和一些卷积层，并包括几个不同的激活函数。总之，它包括2700多万个可培训的参数。还有其他信息吗？