我只是问了一个关于同一主题的问题，但对于自定义模型（How do I find the derivative of a custom model in Keras?），但很快意识到这是试图在我可以走路之前运行，所以这个问题被标记为这个问题的重复。
我尝试简化我的场景，现在有一个（非自定义）keras模型，由2个Dense层组成：

inputs = tf.keras.Input((cols,), name='input')

layer_1 = tf.keras.layers.Dense(
        10,
        name='layer_1',
        input_dim=cols,
        use_bias=True,
        kernel_initializer=tf.constant_initializer(0.5),
        bias_initializer=tf.constant_initializer(0.1))(inputs)

outputs = tf.keras.layers.Dense(
        1,
        name='alpha',
        use_bias=True,
        kernel_initializer=tf.constant_initializer(0.1),
        bias_initializer=tf.constant_initializer(0))(layer_1)

model = tf.keras.Model(inputs=inputs, outputs=outputs)

prediction = model.predict(input_data)
# gradients = ...

字符串
现在我想知道outputs对inputs的导数，其中inputs = input_data。

到目前为止，我已经尝试了：

This answer to a different question建议运行grads = K.gradients(model.output, model.input)。然而，如果我运行它，我会得到这个错误;
启用即时执行时不支持tf.gradients。请改用tf. gradient Tape。
我只能假设这与现在默认的急切执行有关。
另一种方法是在回答我关于定制keras模型的问题时，其中包括添加以下内容：

with tf.GradientTape() as tape:
    x = tf.Variable(np.random.normal(size=(10, rows, cols)), dtype=tf.float32)
    out = model(x)

型
我不明白这种方法是如何加载数据的。它要求x是variable，但我的x是tf.keras.Input对象。我也不明白with语句在做什么，某种魔术，但我不明白它。
这里有一个听起来非常相似的问题：Get Gradients with Keras Tensorflow 2.0尽管应用程序和场景完全不同，我很难将答案应用于这个场景。它确实导致我在代码中添加了以下内容：

with tf.GradientTape() as t:
    t.watch(outputs)

型
这确实有效，但是现在怎么办？我运行model.predict(...)，但是我如何得到我的梯度？答案说我应该运行t.gradient(outputs, x_tensor).numpy()，但是我为x_tensor输入 * 什么 *？我没有输入变量。我在运行predict之后尝试运行t.gradient(outputs, model.inputs)，但是结果如下：
x1c 0d1x的数据