我正在尝试使用tf.GradientTape计算梯度。 当我尝试使用loss和Model.variables(tf.keras.Model)作为输入来执行此操作时,结果将返回None数组。 我究竟做错了什么? 我使用的tensorflow版本是1.9。
Model = CubeValModel(TrainingCurves)
LearningRate = 0.0005
TrainOpe = tf.train.AdamOptimizer(LearningRate, name="MainTrainingOpe")
for i in range (5):
with tf.GradientTape() as t:
Predictions = tf.nn.softmax(Model.FinalFC, name="SoftmaxPredictions")
Cross_entropy = tf.nn.softmax_cross_entropy_with_logits(logits=Predictions, labels=TrainingLabels, name="CrossEntropy")
Loss = tf.reduce_mean(Cross_entropy, name="Loss")
print (Loss)
print (Model.variables)
Gradients = t.gradient(Loss, Model.variables)
print(Gradients)
输出:
tf.Tensor(0.84878147, shape=(), dtype=float32)
[<tf.Variable 'LayerBlock1/Weights1:0' shape=(1, 3, 1, 3) dtype=float32, numpy=
[None, None, None, None, None, None, None, None, None]
答案 0 :(得分:1)
我假设您正在使用TensorFlow急切执行,不是吗? 如果我没记错的话,在tf.GradientTape()下,您应该调用用于计算模型的方法,而不是调用其成员之一。该计算执行将允许t找出其以后需要生成的梯度。 希望对您有帮助