python - Tensorflow 梯度 : without automatic implicit sum

Question

在 tensorflow 中，如果有两个张量 x 和 y 并且想要获得 y 相对于 的梯度x 使用 tf.gradients(y,x)。那么实际得到的是:

gradient[n,m] = sum_ij d y[i,j]/ d x[n,m]

y 的索引有一个总和，有没有办法避免这个隐含的总和？获取整个梯度张量 gradient[i,j,n,m]?

Answer 1

这是我的工作，只是取每个分量的导数(@Yaroslav 也提到过)，然后在 2 阶张量(矩阵)的情况下再次将它们打包在一起:

import tensorflow as tf

def twodtensor2list(tensor,m,n):
    s = [[tf.slice(tensor,[j,i],[1,1]) for i in range(n)] for j in range(m)]
    fs = []
    for l in s:
        fs.extend(l)
    return fs

def grads_all_comp(y, shapey, x, shapex):
    yl = twodtensor2list(y,shapey[0],shapey[1])
    grads = [tf.gradients(yle,x)[0] for yle in yl]
    gradsp = tf.pack(grads)
    gradst = tf.reshape(gradsp,shape=(shapey[0],shapey[1],shapex[0],shapex[1]))
    return gradst

现在 grads_all_comp(y, shapey, x, shapex) 将以所需格式输出 4 阶张量。这是一种非常低效的方法，因为所有东西都需要被分割并重新打包在一起，所以如果有人找到更好的方法，我会非常有兴趣看到它。