Python 3.x 如何按全球标准处理tf.clip中的None？

我在回答中读到了tf.clip_by_global_norm通过简单地忽略danijar对@danijar答案的评论来处理None值，但当我尝试应用它时，我似乎在抛出错误

ValueError:不支持任何值

tf.reset_default_graph()
z = tf.get_variable(name = 'z', shape = [1])
b = tf.get_variable('b', [1])
c = b*b - 2*b + 1
optimizer = tf.train.AdamOptimizer(0.1)
gradients, variables = zip(*optimizer.compute_gradients(c))
gradients = tf.clip_by_global_norm(gradients, 2.5)
train_op = optimizer.apply_gradients(zip(gradients, variables))

谁能告诉我我做错了什么，或者tf.clip_by_global_norm不能处理无梯度，我必须手动处理它们

官方文件似乎同意@danijar的评论。看

t_list中类型为None的任何条目都将被忽略

---

代码中有一个小问题：当函数返回一对值时，将tf.clip\u by_global\u norm的返回值赋给单个变量

文件说：

返回：

list\u clipped：与list\t类型相同的张量列表

全局_范数：表示全局范数的0-D标量张量

因此，在下一行中，当您尝试将渐变应用于变量时，问题就会出现

您可以轻松地修复代码，忽略全局返回值

gradients, _ = tf.clip_by_global_norm(gradients, 2.5)