VAE中的解码器的雅可比行文

Question

我对ML和该论坛都是陌生的，所以请保持友好。

我想计算的是VAE w.r.t.解码器部分的雅各布。潜在向量。我在tensorflow.python.ops.parallel_for.gradients中找到了jacobian_batch函数，原则上可以为我完成工作。但是，我无法使用此功能。 更具体地说，我尝试过：

xin = tf.constant(np.array(latent_vector[2]),dtype=tf.float32)
f_of_xin = tf.constant(decoder.predict(tf.Session().run(xin), batch_size = 1000000, verbose=1),dtype=tf.float32) 
jac = batch_jacobian(f_of_xin,xin)

哪个不起作用（返回无形状），而：

f_of_xin = tf.sin(tf.sin(xin))
jac = batch_jacobian(f_of_xin,xin)

有效（返回一个3x3矩阵（输入和输出暗淡的数量= 3），并带有有意义的数字。 我尝试过：

f_of_xin = tf.sin(tf.sin(tf.constant(tf.Session().run(xin))))

同样，在这种情况下，jacobian_batch函数不再起作用（这意味着它返回None形状）。我想这与数据转换有关，但是我不知道如何将tf结构提供给model.predict函数。顺便说一下，我的模型（解码器）只是一个具有1个隐藏层的简单神经网络。你能帮我吗？

亲切的问候，

梅丽莎