Question

在写着here之后，我尝试使用 tf.keras 在训练过程中获得计算出的梯度，最后得到了以下回调函数，该函数在装修阶段：

使用的网络是非常标准的网络，完全连接且顺序连接。

r = network.fit(x=trn.X,y=trn.Y,verbose=2,batch_size=50,epochs=50,callbacks=[reporter,])

def on_train_begin(self, logs={}):

    # Functions return weights of each layer
    self.layerweights = []
    for lndx, l in enumerate(self.model.layers):
        if hasattr(l, 'kernel'):
            self.layerweights.append(l.kernel)

    input_tensors = [self.model.inputs[0],
                     self.model.sample_weights[0],
                     self.model.targets[0],
                     K.learning_phase()]

    # Get gradients of all the relevant layers at once
    grads = self.model.optimizer.get_gradients(self.model.total_loss, self.layerweights)
    self.get_gradients = K.function(inputs=input_tensors,outputs=grads) # <-- Error Here

出现以下错误消息：

~\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\eager\lift_to_graph.py in (.0)
    312   # Check that the initializer does not depend on any placeholders.
    313   sources = set(sources or [])
--> 314   visited_ops = set([x.op for x in sources])
    315   op_outputs = collections.defaultdict(set)
    316 

AttributeError: 'NoneType' object has no attribute 'op'

任何想法如何解决？已经读过this one和this one，但没有运气

Answer 1

AttributeError: 'NoneType' object has no attribute 'op'

表示您具有对象或属性，但没有。
要处理它，您可以使用以下方法：

visited_ops = set([x.op for x in sources if x])

Answer 2

使用旧版本的keras（v。2.2.4）和tensorflow（1.13.1）在python 3.6.9上解决了该问题。

tf.keras在训练过程中获得了计算的梯度

2 个答案: