Question

我需要自定义训练keras模型：

def base_model(): 
    inputs = Input(shape=(128,)) 
    x = Dense(128,activation='relu')(inputs)
    outputs = Dense(13, activation='relu')(x)
    return  Model(inputs=inputs, outputs=outputs)

我尝试使用tf.GradientTape来代替：

 1. x = tf.random.uniform([1,128])
 2. y = tf.random.uniform([13])
 3. model = base_model()
 4. 
 5. optimizer = keras.optimizers.Adam(learning_rate=0.001)
 6. with tf.GradientTape() as t:
 7.     logits = model(x)
 8.     loss = keras.backend.mean(keras.losses.mean_squared_error(y, logits))
 9. gradients = t.gradient(loss, model.trainable_weights)
10. optimizer.apply_gradients(zip(gradients, model.trainable_weights))

该代码段在第9行引发了以下错误：

'RefVariable' object has no attribute '_id'

我正在使用Tensorflow 1.14，并且已将keras导入为

import tensoflow.keras as keras

我是tensorflow的新手。如果我在技术上说错了什么，我感到抱歉。我也想知道我是否可以在渴望执行模式下训练相同的模型。

谢谢。

定制培训Keras模型

0 个答案: