使用tf.GradientTape()wrt输入的梯度为None(Tensorflow 2.4)

Question

这是我的模型。我使用Tensorflow 2.4.1。

model = tf.keras.Sequential([
tf.keras.layers.Embedding(input_dim=1000,
output_dim=64,
name='embedding',
mask_zero=True),
tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(32)),
tf.keras.layers.Dense(16, activation='relu'),
tf.keras.layers.Dense(4, name='logits')
])
metrics = [tf.keras.metrics.SparseCategoricalAccuracy()]
# compile the model
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=metrics)

当我运行以下代码时，我得到None作为梯度wrt输入。

def compute_gradients(t, target_class_idx):
with tf.GradientTape() as tape:
tape.watch(t)
logits = model(t)
probs = tf.nn.softmax(logits, axis=-1)[:, target_class_idx]
grads = tape.gradient(probs, t)
return grads

这是一个示例输入，调用

sample_tensor = tf.random.uniform(shape=(1, 50))
path_gradients = compute_gradients(
t=sample_tensor,
target_class_idx=0)
print(path_gradients)

None

我做错了什么？

感谢

Answer 1

TensorFlow中的Embedding层是不可微的。来源：https://github.com/keras-team/keras/issues/12270