Python Keras反向传播与自制反向传播

我有一个用keras构建的CNN，我的任务是运行训练数据的一个步骤，通过反向传播获得梯度，并将其与我计算的梯度进行比较

为了做到这一点，我需要权重和损失函数（期望输出和实现输出之间的差异，不管你怎么称呼它），但我似乎无法得到损失函数的实际值，我得到的只是一个张量，我猜它没有被计算

Tensor("loss/mul:0", shape=(), dtype=float32)
<class 'tensorflow.python.framework.ops.Tensor'>

我必须调用什么才能获得相同输入的损失函数

编辑2：

# Build the model.
model = Sequential()
model.add(Conv2D(16, kernel_size=(3, 3), activation='relu', input_shape=input_shape))
model.add(Conv2D(32, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(32, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(digits, activation='softmax'))

model.compile(loss = keras.losses.mean_squared_error,
              optimizer = keras.optimizers.Adadelta(),
              metrics=['accuracy'])

这是我的模型。这基本上是一个学校项目，所以我对keras和NN的总体来说显然是新手。我真的只有理论上的理解

编辑3：或者，如果对一个输入只运行一次NN的输出更容易，那对我来说也完全一样

---

编辑4：我只是使用model.predict来获得输出值，我可以自己使用这些值来计算损失。感谢您的帮助。

在tensorflow中，您只需构建图形即可。最后，您将执行一个session.run（feed_dict=a）和一个is字典来配置占位符。如果您向我提供您的问题的详细信息，我只能提供更多帮助。我的编辑是否有帮助？计算完权重后，您可以在图表的末尾再次计算损失函数，然后执行

sess.run（loss\u fun，feed\u dict=feed\u dict）

。这将返回loss函数

loss=sess.run（model.total\u loss，feed\u dict={model.input:x\u train}）

-给了我一个错误，我可能是个白痴。“全损”不是我想要的吗？或者这不是我应该喂它的口述？错误是：

InvalidArgumentError（回溯见上文）：必须为占位符张量'dense_2_sample_weights'提供一个值，其中包含dtype float和shape[？][[Node:dense_2_sample_weights=placeholder[dtype=DT_float，shape=[？]，\u device=“/job:localhost/replica:0/任务：0/设备：CPU:0”]（）][/code>，您已经将
densite\u 2\u sample\u权重配置为占位符，而不是
tf.Variable（tf.zeros（[size\u x，size\u y]））
。如果某个内容是占位符，则必须在
feed\u dict
中提供一个值。在tensorflow中，如果没有占位符值，图形将无法运行。您只需构建图形。最后，您将执行一个session.run（feed_dict=a）和一个is字典来配置占位符。如果您向我提供您的问题的详细信息，我只能提供更多帮助。我的编辑是否有帮助？计算完权重后，您可以在图表的末尾再次计算损失函数，然后执行
sess.run（loss\u fun，feed\u dict=feed\u dict）
。这将返回loss函数
loss=sess.run（model.total\u loss，feed\u dict={model.input:x\u train}）
-给了我一个错误，我可能是个白痴。“全损”不是我想要的吗？或者这不是我应该喂它的口述？错误是：
InvalidArgumentError（回溯见上文）：必须为占位符张量'dense_2_sample_weights'提供一个值，其中包含dtype float和shape[？][[Node:dense_2_sample_weights=placeholder[dtype=DT_float，shape=[？]，\u device=“/job:localhost/replica:0/任务：0/设备：CPU:0”]（）][/code>，您已经将
densite\u 2\u sample\u权重配置为占位符，而不是
tf.Variable（tf.zeros（[size\u x，size\u y]））
。如果某个内容是占位符，则必须在
feed\u dict
中提供一个值。没有占位符值，图形无法运行
# Build the model.
model = Sequential()
model.add(Conv2D(16, kernel_size=(3, 3), activation='relu', input_shape=input_shape))
model.add(Conv2D(32, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(32, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(digits, activation='softmax'))

model.compile(loss = keras.losses.mean_squared_error,
              optimizer = keras.optimizers.Adadelta(),
              metrics=['accuracy'])