在具有急切执行的TensorFlow 2.0中，如何计算网络输出wrt输入层的梯度？

我使用网络接收v3，我想计算模型输出w.r.t.输入层的梯度。我有以下代码：

origin_image = load_img("dog.jpg", target_size=(299, 299))
origin_image = img_to_array(origin_image)
origin_image = (origin_image - 127.5) / 127.5
origin_image = np.expand_dims(origin_image, axis=0)

model = tensorflow.keras.applications.inception_v3.InceptionV3()

with tf.GradientTape() as gtape:
   output = model(origin_image)
   y_pred = output[0, 346]

gradient = gtape.gradient(y_pred, model.get_layer("input_1").trainable_variables)
print(gradient) # return []

但这段代码正在运行：

from keras import backend as K

model_input_layer = model.layers[0].input
model_output_layer = model.layers[-1].output

cost_function = model_output_layer[0, 346]
gradient_function = K.gradients(cost_function, model_input_layer)
grab_cost_and_gradients_from_model = K.function([model_input_layer, K.learning_phase()],
                                                [cost_function, gradient_function])

cost, gradients = grab_cost_and_gradients_from_model([origin_image, 0])

---

如何使用tf.GradientTape计算输出相对于输入的梯度

您可以通过此处提供的解决方案在TF2中执行此操作：

别忘了根据您拥有的输入列的数量，在size=（25120）中更改输入形状。 model（input）和model.predict（input）的作用不一样，predict使用numpy数组，而model（input）执行tensorflow可以区分的符号计算

但仔细查看您的代码，看起来您正试图在特定的层上执行此操作。至此，您可以参考以下链接：

---

这可能会有所帮助。

您可以通过此处提供的解决方案在TF2中执行此操作：

别忘了根据您拥有的输入列的数量，在size=（25120）中更改输入形状。 model（input）和model.predict（input）的作用不一样，predict使用numpy数组，而model（input）执行tensorflow可以区分的符号计算

但仔细查看您的代码，看起来您正试图在特定的层上执行此操作。至此，您可以参考以下链接： 这可能会有所帮助

input = tf.Variable(np.random.normal(size=(25, 120)), dtype=tf.float32) 

with tf.GradientTape() as tape:
   preds = model(inp) 

grads = tape.gradient(preds, input)