Python tf.GradientTape（）不能帮助我训练好CNN。它是混乱的。有人能帮我吗？

我不能这样训练我的CNN。但在其他情况下，这种方式是有效的。特别是，损耗是摆动的，如下所示：

for i in range(epoch):
    for j in range(iteration):
        with tf.GradientTape() as tape:
            start = j * batch_size
            end = start + batch_size
            img_x = train_x[start:end]
            img_y = train_y[start:end]
            y_pre = my_model(img_x)
            loss = SCC(img_y, y_pre)
            grads = tape.gradient(loss, my_model.trainable_variables)
            wei=my_model.weights
            classifier_optimizer.apply_gradients(zip(grads, my_model.trainable_variables))
            print('\r' + str(j) + ":" + str(loss))

---

模型的acc较低。但当我使用model.fit（）训练同一个模型时，一切都是正常的。我真的不明白发生了什么，谁能帮我。谢谢*

将所有行移动到

grads=tape.gradient（丢失，我的\u模型。可训练的\u变量）

超出

tape

@Susmit Agrawal的范围谢谢，我已经解决了这个问题。这是因为批量太小。在我增加批量大小后，问题得到了解决。

0:tf.Tensor(2.3027625, shape=(), dtype=float32)
1:tf.Tensor(2.3013003, shape=(), dtype=float32)
2:tf.Tensor(2.3009686, shape=(), dtype=float32)
3:tf.Tensor(2.300927, shape=(), dtype=float32)
4:tf.Tensor(2.2975554, shape=(), dtype=float32)
5:tf.Tensor(2.2977755, shape=(), dtype=float32)
6:tf.Tensor(2.2971885, shape=(), dtype=float32)
7:tf.Tensor(2.3017051, shape=(), dtype=float32)
8:tf.Tensor(2.3027241, shape=(), dtype=float32)
9:tf.Tensor(2.3008144, shape=(), dtype=float32)
10:tf.Tensor(2.2972112, shape=(), dtype=float32)
11:tf.Tensor(2.3008654, shape=(), dtype=float32)