我已经训练了一个使用tf.contrib.layers.recompute_grad的模型。我现在正在尝试从模型中绘制显着性图，但是keras-vis函数visualize_saliency只是停滞不前。
我尝试按以下方式对显着性进行硬编码（受Yumi's Blog启发）：
inp = mdl.input
outp = mdl.layers[lyr_idx].output
print('Input Layer: {}'.format(inp))
print('Output Layer: {}'.format(outp))
grad = K.gradients( outp, inp )[0]
print('Gradient Tensor: {}'.format(grad))
deriv_fn = K.function( [inp], [grad] )
print('Derivative Function: {}'.format(deriv_fn))
grad_eval = deriv_fn( [img_f[None,:,:,:]] )[0]
grad_eval = np.abs( grad_eval ).max( axis = (0,3) )
arr_min, arr_max = np.min( grad_eval ), np.max( grad_eval )
grad_eval = ( grad_eval - arr_min ) / ( arr_max - arr_min + K.epsilon )
print('Evaluated Gradient: {}'.format(grad_eval))
我得到输出：
Input Layer: Tensor("input:0", shape=(?, 3, 65, 320), dtype=float32)
Output Layer: Tensor("output/BiasAdd:0", shape=(?, 1), dtype=float32)
，程序停顿了。正在使用GPU内存，但GPU利用率为0％（无复制/读取/写入）。
在使用Ctrl+C函数keras-vis和我自己的代码时，visualize_saliency都出现了以下打印输出：
ValueError: Operation 'fc04/fc04/IdentityN' has no attr named '_XlaCompile'
在我的模型中，fc04是第4个完全连接的层（仅是keras.layers.Dense层）。最后一层只是一个Dense层，其输出紧随fc04之后出现。
有人可以帮助我吗？