Python 3.x TensorFlow梯度示例

我有下面的代码来计算使用TensorFlow的渐变示例-

# z = f(x, y) = 2*x - y
# Partial derivative of dz/dx = 2; dz/dy = -1
# Initialize x and y variables-                                         
x = tf.Variable([1], dtype = tf.int32)
y = tf.Variable([2], dtype = tf.int32)
z = tf.subtract(2 * x, y)

# Define gradient operation-
grad = tf.gradients(z, [x, y])


# Initialize TensorFlow session-
sess = tf.Session()

# Initialize all variables-
sess.run(tf.global_variables_initializer())

# Compute gradient defined above-
res_grad = sess.run(grad)

# Close the session-
sess.close()

但是这条线-

res_grad = sess.run(grad)

给出以下错误-

TypeError回溯（最近的调用 最后）在 ---->1 res=sess.run（梯度）

~/.local/lib/python3.7/site-packages/tensorflow/python/client/session.py 运行中（自我、获取、馈送、选项、运行元数据） 948尝试： 949结果=self.\u运行（无、获取、馈送、选项、， -->950运行（元数据（ptr） 951如果运行\u元数据： 952 proto_data=tf_session.tf_GetBuffer（运行元数据\u ptr）

~/.local/lib/python3.7/site-packages/tensorflow/python/client/session.py 在运行中（self、handle、fetches、feed\u dict、options、run\u metadata）
1156#创建一个获取处理程序来处理 吸引。1157 fetch_handler=_FetchHandler( ->1158 self._graph，fetches，feed_dict_tensor，feed_handles=feed_handles）1159 1160#运行请求并获取 答复

~/.local/lib/python3.7/site-packages/tensorflow/python/client/session.py 在init（self、graph、fetches、feed、feed\u句柄） 472 """ 473与graph.as_default（）一样： -->474 self.\u fetch\u mapper=\u FetchMapper.for\u fetch（fetches） 475 self._fetches=[] 476自我目标=[]

~/.local/lib/python3.7/site-packages/tensorflow/python/client/session.py 在for_fetch中（fetch） 262 elif isinstance（获取，（列表，元组））： 263注意（touts）：这也是namedtuples的代码路径。 -->264返回\u ListFetchMapper（获取） 265 elif isinstance（获取、集合、映射）： 266返回_DictFetchMapper（fetch）

~/.local/lib/python3.7/site-packages/tensorflow/python/client/session.py 在初始化中（自取） 371 """ 372自我获取类型=类型（获取） -->373 self.\u mappers=[\u FetchMapper.for\u fetch（fetch）for fetch in fetches] 374 self.\u unique\u fetches，self.\u value\u index=\u uniquify\u fetches（self.\u映射器） 375

~/.local/lib/python3.7/site-packages/tensorflow/python/client/session.py 英寸（.0） 371 """ 372自我获取类型=类型（获取） -->373 self.\u mappers=[\u FetchMapper.for\u fetch（fetch）for fetch in fetches] 374 self.\u unique\u fetches，self.\u value\u index=\u uniquify\u fetches（self.\u映射器） 375

~/.local/lib/python3.7/site-packages/tensorflow/python/client/session.py 在for_fetch中（fetch） 259如果fetch为None： 260 raise TypeError（'提取参数%r具有无效的类型%r'（提取， -->261类型（提取））） 262 elif isinstance（获取，（列表，元组））： 263注意（touts）：这也是namedtuples的代码路径

TypeError:获取参数None的类型无效

怎么了

---

谢谢！

您遇到此错误是因为您正在传递整数张量。请使用浮点，它应该会起作用

x = tf.Variable([1.0])
y = tf.Variable([2.0])
z = tf.subtract(2 * x, y)

# Define gradient operation-
grad = tf.gradients(z, [x, y])

# Initialize TensorFlow session-
sess = tf.Session()

# Initialize all variables-
sess.run(tf.global_variables_initializer())

# Compute gradient defined above-
res_grad = sess.run(grad)

print (res_grad) # Output = [array([ 2.], dtype=float32), array([-1.], dtype=float32)]

# Close the session-
sess.close()

这是在中更改的。允许在整数张量上使用梯度会导致tf.while_循环不正确，如果不进行此更改，则无法令人满意地解决这些问题