Question

当我尝试在具有conv1d层的网络中计算X wrt Y的梯度（X和Y是什么都无关紧要）时，我收到消息“维度无效索引：3、0， C”，过程结束。

最小工作示例：

import numpy as np

from tensorflow.python.keras import models
from tensorflow.python.keras import layers
from tensorflow.python.keras import backend as K

inp = layers.Input(shape=(10, 20,))
conv = layers.Conv1D(filters=10, kernel_size=2)(inp)
pool = layers.GlobalMaxPool1D()(conv)
output = layers.Dense(1, activation="sigmoid")(pool)

m = models.Model(inp, output)

m.summary()

m.compile(optimizer="adam", loss="binary_crossentropy")

似乎可行：

m.fit(x=np.random.randn(100, 10, 20), y=np.random.randn(100))

此中断：

loss = K.mean(m.output)
grads = K.gradients(loss, m.input)[0]
f = K.function([m.input], [grads])
print(f([np.random.randn(10, 20)]))

我的python，keras，tf版本：

import tensorflow as tf
import sys
from tensorflow.python import keras

print(tf.__version__)
print(keras.__version__)
print(sys.version)

1.12.0
2.1.6-tf
3.6.7 |Anaconda, Inc.| (default, Oct 23 2018, 14:01:38) 
[GCC 4.2.1 Compatible Clang 4.0.1 (tags/RELEASE_401/final)]

我对计算梯度到什么并不真正..错误消息是

2019-04-19 17:00:58.249788: F ./tensorflow/core/util/tensor_format.h:420] Check failed: index >= 0 && index < dimension_attributes.size() Invalid index from the dimension: 3, 0, C

我看到它与基于错误消息的转换1d层有关，但我不太了解我在这里缺少的内容。感谢您的提示。

Answer 1

简短回答：认为不兼容，请将通话更改为：f([np.random.randn(1, 10, 20)])。

长答案：：由于您将输入形状设置为(10, 20,)，这意味着每个输入样本的形状为(10,20)。但是，您还必须注意，Keras模型需要一批样品作为输入。因此，在这种情况下，它将期望一个具有3维的数组，其中第一个维表示批处理维。由于您要使用一个样本来填充模型，因此输入数组的形状必须为(1, 10, 20)。因此，您必须在randn函数中相应地更改形状：

f([np.random.randn(1, 10, 20)])
                   ^
                   |
                   |
              batch dimension

keras梯度计算失败“来自维度的无效索引：3、0，C”

1 个答案: