Python 3.x Keras：没有为任何变量提供梯度

我正在研究一个基于GAN的问题，我得到了一个梯度不可见的问题。我希望有人能帮我。我有两个主要的代码可以帮助您识别问题。第一段代码加载变量中的数据

training_image=[]
目标图片=[]
对于图像中的图像：
a\u img=cv2.resize（cv2.imread（os.path.join（Augment\u img\u dir，image），0），（128128））/255
lsri\u img=cv2.resize（cv2.imread（os.path.join（lsri\u img\u dir，image），0），（128128），cv2.INTER\u最近）/255
hsri\u img=cv2.resize（cv2.imread（os.path.join（hsri\u img\u dir，image），0），（128128））/255
img\U列车=[a\U img，lsri\U img]
img\U列车=np.asarray（img\U列车）
img\U列=np.移动轴（img\U列，0，-1）
培训图像。附加（img\U培训）
目标图像。附加（hsri\U img）
训练图像=np.asarray（训练图像）
target\u images=np.asarray（target\u images）
训练图像、测试图像、训练目标、测试目标=训练测试分割（训练图像、目标图像、，
测试大小=0.20，随机状态=42）
批量大小=8
列车img\U批次=[]
目标\u img\u批次=[]
len\u imgs=len（列车imgs）
开始=0
列车温度=[]
温度目标=[]
对于范围内的i（len_imgs+1）：
如果i%batch_size==0且i>0：
批量附加（np.asarray（临时列车））
target\u img\u batch.append（np.asarray（temp\u target））
列车温度=[]
温度目标=[]
如果我len_imgs：
临时列车附加（列车imgs[i]）
临时目标追加（训练目标[i]）
批量生产线=np.asarray（批量生产线）
target\u img\u batch=np.asarray（target\u img\u batch）

您正在

GradientTape

范围内的多个位置使用

numpy

操作，例如在行中

fake_hr_patchs = np.reshape(fake_hr_patchs, (8,128,128))

将

GradientTape

范围内的所有

numpy

函数替换为其

tensorflow

等效函数。例如，上面的行变为：

fake_hr_patchs = tf.reshape(fake_hr_patchs, (8,128,128))

---

你好，我刚刚做了，它工作得很好。非常感谢，这真的很快，很有帮助。如果答案有帮助的话，请接受：）它现在很有魅力。谢谢。我有一个后续问题。虽然它可以工作，但处理不是在GPU上进行的，而是在我的CPU上进行的？对此有什么建议吗？是否安装了软件包

tensorflow gpu

，您的机器是否具有所需的CUDA和CuDNN版本？是的，我可以在gpu上运行不同的型号，但当我运行此型号时，它不会将其分配给gpu。