你知道如何在CNTK中应用自定义的正则化函数吗？
特别是，我想在损失函数中加入模型函数对输入的导数，像这样
newLoss = loss + lambda * gradient_F(inputs)其中F是模型学习到的函数，inputs是模型的输入。
我在CNTK中如何实现这个功能？我不知道如何访问输入的梯度，以及如何计算正则化器权重的梯度。
回答：
首先，梯度不是标量，因此优化它没有太大意义。梯度范数可能是一个有趣的添加到损失函数中的元素。要做到这一点，CNTK需要计算梯度范数的梯度，而在撰写本文时（2017年7月）还不支持这一功能。不过，这是一个我们希望在未来几个月内添加的重要功能。
更新：一个变通方法是做类似这样的事情noisy_inputs = x + C.random.normal_like(x, scale=0.01)noisy_model = model.clone('share', {x: noisy_inputs})auxiliary_loss = C.squared_error(model, noisy_model)但你需要根据你的问题调整噪声的尺度。
