Tensorflow如何计算输出相对于输入的梯度？

Question

最近，我尝试做一些实验，我有一个神经网络D（x），其中x是批处理大小为64的输入图像。我想计算D（x）相对于x的梯度。我应该按以下方式进行计算吗？

grad = tf.gradients(D(x), [x])

谢谢大家！

Answer 1

是的，您将需要使用tf.gradients。有关更多详细信息，请参见https://www.tensorflow.org/api_docs/python/tf/gradients。

Answer 2

在训练神经网络期间，通常相对于输入计算loss function的梯度。这是因为，可以很好地定义损失函数及其梯度。

但是，如果您谈论输出D(x)的梯度，我认为这是一些向量。您将需要定义相对于其输入（即生成输出的图层）如何计算梯度。

该实现的确切细节取决于您使用的框架。