Python 在TensorFlow 2.0中：使用optimizer.apply_梯度训练错误

我正在尝试学习新的TF2.0Alpha版本。我正在训练一个用于二进制分类的

顺序
模型。我的数据表是
df
，它是一个numpy数组<代码>分类
是我必须预测的类的一个热编码数据帧

模型的定义很清楚，因为它是损失和精度函数以及（Adam）优化器的定义。
但是，我在培训时遇到了一个错误：

loss_history = []
accuracy_history = []

for epoch in range(n_epochs):

    with tf.GradientTape() as tape:

        # compute binary crossentropy loss (bce_loss)
        current_loss = bce_loss(model(df), classification.astype(np.float64))
        loss_history.append(current_loss)

        # train the model based on the gradient of loss function
        gradients = tape.gradient(current_loss, model.trainable_variables)
        optimizer.apply_gradients([gradients, model.trainable_variables])  # optimizer = Adam


    # print the training progress
    print(str(epoch+1) + '. Train Loss: ' + str(metrics) + ', Accuracy: ' + str(current_accuracy))

print('\nTraining complete.')

在这一点上，我得到了指向优化器的错误。apply_gradients（）

。错误消息显示：

ValueError:要解压缩的值太多（应为2个）

我的错在哪里

我对这种类型的错误做了一些研究，但我发现与这个特定函数相关的任何有用的东西都没有。感谢您的帮助。

请尝试以下方法：

optimizer.apply_gradients(zip(gradients, model.trainable_variables))

请尝试以下方法：

optimizer.apply_gradients(zip(gradients, model.trainable_variables))

---

通过接受答案，问题已标记为已解决。不需要编辑问题。通过接受答案也可以看到问题已标记为已解决。不需要编辑问题。另见