在tensorflow.js中，如何计算模型输入的梯度？

如何解决在tensorflow.js中，如何计算模型输入的梯度？

我想计算tensorflow.js中相对于输入向量的损耗梯度。

这是我尝试过的：

function f(img) {
  return tf.metrics.categoricalCrossentropy(model.predict(img),lbl);
  // (Typo: the order of arguments should be flipped,but it does not affect the question here)
}

var g = tf.grad(f);

g(img).print();

img是形状为[1，784]的张量。 lbl是形状为[1，10]的张量。 model是经过tf.Sequential训练的香草MNIST DNN。

对g(img)的调用因堆栈跟踪而失败：

Uncaught TypeError: Cannot read property 'shape' of undefined
    at gradFunc (Concat_grad.js:29)
    at Object.s.gradient (engine.js:931)
    at a (tape.js:158)
    at tape.js:136
    at engine.js:1038
    at engine.js:433
    at e.t.scopedRun (engine.js:444)
    at e.t.tidy (engine.js:431)
    at e.t.gradients (engine.js:1033)
    at gradients.js:69

我想念什么？

解决方法

我的原始代码段正确； TensorFlow.js的2.6.0和2.5.0版本中有一个tf.grad bug导致了此错误。

该代码按2.4.0或新版本2.7.0中的预期工作。

,

通过将model.predict排除在f范围之外，tf.grad将起作用。

function f(img) {
  return tf.metrics.categoricalCrossentropy(img,lbl);
}


var g = tf.grad(f);
const output = model.predict(img);

g(output).print();

版本2.7 +中已修复的顺序模型似乎有错误