小编Whi*_*ear的帖子

我想通过Tensorflow计算Jacobian矩阵。

是）我有的：

def compute_grads(fn, vars, data_num):
    grads = []
    for n in range(0, data_num):
        for v in vars:
            grads.append(tf.gradients(tf.slice(fn, [n, 0], [1, 1]), v)[0])
    return tf.reshape(tf.stack(grads), shape=[data_num, -1])

fn是损失函数，vars都是可训练的变量，并且data_num是许多数据。

但是，如果我们增加数据数量，则需要花费大量时间来运行该功能compute_grads。有任何想法吗？