Python keras梯度计算失败”这句话；维度中的索引无效：3，0，C“；

当我试图在一个有conv1d层的网络中计算xw.r.tyy的梯度（不管X和Y是什么）时，我得到的消息是“来自维度的无效索引：3，0，C”，这个过程就结束了

最简单的工作示例：

import numpy as np

from tensorflow.python.keras import models
from tensorflow.python.keras import layers
from tensorflow.python.keras import backend as K

inp = layers.Input(shape=(10, 20,))
conv = layers.Conv1D(filters=10, kernel_size=2)(inp)
pool = layers.GlobalMaxPool1D()(conv)
output = layers.Dense(1, activation="sigmoid")(pool)

m = models.Model(inp, output)

m.summary()

m.compile(optimizer="adam", loss="binary_crossentropy")

似乎有效：

m.fit(x=np.random.randn(100, 10, 20), y=np.random.randn(100))

这打破了：

loss = K.mean(m.output)
grads = K.gradients(loss, m.input)[0]
f = K.function([m.input], [grads])
print(f([np.random.randn(10, 20)]))

我的python、keras和tf版本：

import tensorflow as tf
import sys
from tensorflow.python import keras

print(tf.__version__)
print(keras.__version__)
print(sys.version)

1.12.0
2.1.6-tf
3.6.7 |Anaconda, Inc.| (default, Oct 23 2018, 14:01:38) 
[GCC 4.2.1 Compatible Clang 4.0.1 (tags/RELEASE_401/final)]

我计算梯度wrt到什么并不重要。。错误消息是

2019-04-19 17:00:58.249788: F ./tensorflow/core/util/tensor_format.h:420] Check failed: index >= 0 && index < dimension_attributes.size() Invalid index from the dimension: 3, 0, C

2019-04-19 17:00:58.249788:F./tensorflow/core/util/tensor_format.h:420]检查失败：index>=0&&index

---

根据错误消息，我看到它与conv1d层有关，但我不太明白这里缺少了什么。感谢您的提示。

简短回答：形状不兼容，将调用更改为：

f（[np.random.randn（1,10,20）]）

详细回答：由于您已将输入形状设置为

（10,20，）

，这意味着每个输入样本的形状为

（10,20）

。但是，您还必须注意，Keras模型期望一批样本作为其输入。因此，在这种情况下，它需要一个具有3个维度的数组，其中第一个维度表示批次维度。由于要向模型提供一个样本，因此输入数组的形状必须为

（1、10、20）

。因此，您必须相应地更改

randn

函数中的形状：

f([np.random.randn(1, 10, 20)])
                   ^
                   |
                   |
              batch dimension

---

我不能重复你的问题。我的返回错误是

无效参数：转置需要大小为3的向量。但输入（1）是大小为4的向量，位于
tensorflow=1.12.0
和
keras=2.1.6-tf
上。