带有 TF 后端的 Keras：获取输出相对于输入的梯度

我有一个非常简单的 Keras MLP，并且我正在尝试获取输出相对于输入的梯度。

我正在使用以下代码：

regressor = Sequential([
    Dense(32, input_shape=(n_features,), activation='relu'),
    Dense(1)
])
regressor.compile(optimizer=SGD(lr=0.1), loss='mse')

regressor.fit(x, y)

output_tens = regressor.layers[-1].output
input_tens = regressor.layers[0].input

grad = tf.gradients(output_tens, input_tens)
with tf.Session() as sess:
    sess.run(grad, feed_dict={input_tens: np.zeros((1, n_features))})

失败并出现以下错误

FailedPreconditionError: Attempting to use uninitialized value dense_7/bias
     [[Node: dense_7/bias/read = Identity[T=DT_FLOAT, _class=["loc:@dense_7/bias"], _device="/job:localhost/replica:0/task:0/cpu:0"](dense_7/bias)]]

（堆栈跟踪很长，而且我认为信息量不大，因此我不会在此处添加它）。

我的做法基本正确吗？有什么特别的事我必须做吗？

Thanks!

你需要得到你的keras会话以使其工作：

import keras.backend as K

with K.get_session() as sess:
    sess.run(grad, feed_dict={input_tens: np.zeros((1, n_features))})

当您实例化一个新会话时 - 您没有初始化变量keras训练。