theano,输出节点相对于输入变量的烤宽面条梯度给出0

时间:2018-09-18 21:43:57

标签: theano lasagne

我有一个二进制分类神经网络。

我想计算与标签相关的分数相对于输入的梯度。

以下代码可编译,但对于非零输入的渐变返回0。

`

conv_layer=network_dict['conv1']
conv_layer_params=lasagne.layers.get_all_params(conv_layer)
weights_conv_layer=conv_layer_params[0]
predictions=lasagne.layers.get_output(network_dict['prob'])
top_pred_label=T.argmax(predictions,axis=1)[0]
grad_label_conv=theano.grad(top_pred_label,weights_conv_layer)
get_pred_and_grad=theano.function([input_var],[grad_label_conv])

`

关于如何调试的任何建议?

谢谢。

0 个答案:

没有答案