VAE中解码器的雅可比矩阵

Question

我是新的ML和这个论坛，所以请善待。你知道吗

我想计算的是VAE的解码器部分的雅可比矩阵，即潜在向量。我在中找到了jacobian\u批函数tensorflow.python.ops文件.平行_对于坡度原则上可以帮我做这项工作。但是，我无法让这个函数工作。 更具体地说，我试着：

xin = tf.constant(np.array(latent_vector[2]),dtype=tf.float32)
f_of_xin = tf.constant(decoder.predict(tf.Session().run(xin), batch_size = 1000000, verbose=1),dtype=tf.float32) 
jac = batch_jacobian(f_of_xin,xin)

不起作用（返回None shape），而：

f_of_xin = tf.sin(tf.sin(xin))
jac = batch_jacobian(f_of_xin,xin)

工作（返回一个3x3矩阵（#of input&output dim=3）和合理的数字）。 我试过：

f_of_xin = tf.sin(tf.sin(tf.constant(tf.Session().run(xin))))

同样，在这种情况下，jacobian\u批处理函数不再工作（这意味着它返回一个None形状）。我想这与数据转换有关，但我不知道如何将tf结构提供给模型.预测功能。顺便说一下，我这里的模型（解码器）只是一个简单的神经网络，有一个隐藏层。你能帮我吗？你知道吗

谨致问候

梅丽莎