Python Tensorflow tf.hessians只打印对角线

定义一系列变量

a_v = tf.Variable([20.2], tf.float32)
a_s = tf.Variable([18.0], tf.float32)
...

用给定的损失函数“loss”训练模型，然后计算上述变量的Hessian

hess = tf.hessians( loss ,  [a_v,...] )

对给定Hessian的评估

sess.run( hess, feed_dict= ... )

只得到Hessian矩阵的对角线部分，而不是整个Hessian矩阵

---

从理论上讲，该函数应支持“支持根据（一系列）一维张量计算Hessian值”。

我认为该函数在

xs

中计算Hessian w.r.t每个

x

。如果你想得到矩阵，可以使用两次

tf.gradient（）

，虽然它会消耗大量内存。我用tf.gradient（）做了一个函数，但效率非常低。考虑到Hessian在统计学中的重要性，tensorflow中没有内在函数对我来说似乎很奇怪。如何计算tf变量估计的误差和损失函数的刚度？