tensorflow - 如何获得与 Tensorflow 中的激活相关的损失梯度

Question

在 cifar10例如，损失相对于参数的梯度可以计算如下:

grads_and_vars = opt.compute_gradients(loss)
for grad, var in grads_and_vars:
    # ...

有没有办法获得关于激活(不是参数)的损失梯度，并在 Tensorboard 中观察它们？

Answer 1

您可以使用 tf.gradients() 计算任何标量张量相对于任何其他张量的梯度的函数(假设为这两个张量之间的所有操作定义了梯度):

activations = ...
loss = f(..., activations)  # `loss` is some function of `activations`.

grad_wrt_activations, = tf.gradients(loss, [activation])

在 TensorBoard 中可视化这一点通常很棘手，因为 grad_wrt_activation (通常)是与 activation 形状相同的张量.添加 tf.histogram_summary() op 可能是最简单的可视化方式

# Adds a histogram of `grad_wrt_activations` to the graph, which will be logged
# with the other summaries, and shown in TensorBoard.
tf.histogram_summary("Activation gradient", grad_wrt_activations)