Python Keras（Tensorflow后端）-将MLP中的所有梯度展平为秩1的张量（即1D数组）

假设以下Keras模型：

model = Sequential()
model.add(Dense(512, activation='sigmoid', input_shape=(784,)))
model.add(Dense(10, activation='softmax'))

显然，我们可以通过以下方式计算梯度：

grads = K.gradients(loss, params)

这就要求：

tf.gradients(loss, variables, colocate_gradients_with_ops=True)

这将返回一个包含以下内容的张量列表：

包含512x784个元素的张量（输入到隐藏连接的梯度）

具有隐藏层中512个单位偏差梯度的张量

具有10x512元素的张量（隐藏到输出连接的渐变）

具有10个输出单位的偏置梯度的张量

我想问一下，是否有一种简单的方法可以将所有梯度“展平”为一个秩为1的张量（即1D数组），使用（512x784）+512+（10x512）+10个元素，而不在层上循环和相应的偏差

谢谢

是的，使用这些功能

#flatten the tensors
flattenedList = [K.flatten(x) for x in grads]

#concatenate them
concatenated = K.concatenate(flattenedList)

---

好的：）--那你能把它标记为正确答案吗？是的，我刚刚做了