小编Adi*_*dhi的帖子

bce = tf.keras.losses.BinaryCrossentropy()
ll=bce(y_test[0], model.predict(X_test[0].reshape(1,-1)))
print(ll)
<tf.Tensor: shape=(), dtype=float32, numpy=0.04165391>
print(model.input)
<tf.Tensor 'dense_1_input:0' shape=(None, 195) dtype=float32>
model.output
<tf.Tensor 'dense_3/Sigmoid:0' shape=(None, 1) dtype=float32>
grads=K.gradients(ll, model.input)[0]
print(grads)
None

所以在这里我训练了一个 2 隐藏层神经网络，输入有 195 个特征，输出是 1 个大小。我想向神经网络提供名为 X_test 的验证实例，并在 y_test 中逐个提供正确的标签，并为每个实例计算输出相对于输入的梯度，打印时的梯度给我一个“无”。感谢您的帮助。