python - 使用 Keras 和 TensorFlow 找到最大化神经网络输出的输入

Question

我使用 Keras 和 TensorFlow 对 Fashion MNIST 进行了分类以下 this tutorial .

它使用 AdamOptimizer找到最小化网络损失函数的模型参数值。网络的输入是一个形状为 [28, 28] 的二维张量，输出是一个形状为 [10] 的一维张量，它是 softmax 函数的结果。

网络训练完成后，我想将优化器用于另一项任务:找到一个最大化输出张量元素之一的输入。如何才能做到这一点？是否可以使用 Keras 或必须使用较低级别的 API 来做到这一点？

由于给定输出的输入不是唯一的，如果我们可以对输入可以采用的值施加一些限制，那就更好了。

训练好的模型格式如下

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
])

Answer 1

我觉得你会想要反向传播关于卡住所有权重到你的模型的输入。你可以做的是:

1. 在输入层后添加一个与输入维度相同的dense层，并设置为可训练
2. 卡住模型的所有其他层。 (你添加的除外)
3. 作为输入，提供单位矩阵并根据您想要的任何输出训练您的模型。

This文章和this如果您想根据输入进行反向传播，post 可能会对您有所帮助。这有点像你的目标，但你可以得到直觉。