Tensorflow 如何计算输出相对于输入的梯度？
Tensorflow how to compute the gradient of output with respect to the input?
最近，我尝试做一些实验，我有一个神经网络 D(x)，其中 x 是批量大小为 64 的输入图像。我想计算 D(x) 相对于 x 的梯度。我应该按以下方式计算吗？
grad = tf.gradients(D(x), [x])
谢谢大家！
在神经网络的训练过程中，梯度通常是根据输入计算 loss function 的。这是因为，可以很好地定义损失函数及其梯度。
但是，如果您谈论输出的梯度 D(x)，我假设这是一组向量。您将需要定义如何根据其输入（即生成输出的层）计算梯度。
该实现的具体细节取决于您使用的框架。
是的，您将需要使用 tf.gradients。有关详细信息，请参阅 https://www.tensorflow.org/api_docs/python/tf/gradients。
最近，我尝试做一些实验，我有一个神经网络 D(x)，其中 x 是批量大小为 64 的输入图像。我想计算 D(x) 相对于 x 的梯度。我应该按以下方式计算吗？
grad = tf.gradients(D(x), [x])
谢谢大家！
在神经网络的训练过程中，梯度通常是根据输入计算 loss function 的。这是因为，可以很好地定义损失函数及其梯度。
但是，如果您谈论输出的梯度 D(x)，我假设这是一组向量。您将需要定义如何根据其输入（即生成输出的层）计算梯度。
该实现的具体细节取决于您使用的框架。
是的，您将需要使用 tf.gradients。有关详细信息，请参阅 https://www.tensorflow.org/api_docs/python/tf/gradients。