Python 将TensorFlow从1升级到2，突然得到；没有为任何变量提供梯度“；

我的主要问题是，当损失函数没有改变时，升级怎么会导致“没有为任何变量提供梯度”错误？

我正在将代码库从TensorFlow 1升级到TensorFlow 2。我已经升级了这个包，并且在转换期间使用了

tensorflow.compat.v1

，并且每次切换一点。（还值得一提的是，我没有编写原始代码，而且我对TensorFlow不太熟悉，因此答案可能很简单。）

代码使用一个优化器

tf.compat.v1.train.AdamOptimizer(learning_rate=learning_rate, use_locking=True)

optimizer.minimize(loss)

我想我可以通过用新的类名替换它来升级这个部分

tf.keras.optimizers.Adam(learning_rate=learning_rate)

但是，唉，这是行不通的！当代码使用优化器时

tf.compat.v1.train.AdamOptimizer(learning_rate=learning_rate, use_locking=True)

optimizer.minimize(loss)

我遇到了一些问题。一个是，由于没有更多的惰性计算，损失函数必须是lambda。这很容易解决

optimizer.minimize(lambda: loss)

但是，我得到

minimize（）缺少1个必需的位置参数：“var\u list”

。但是我最初的TF1调用没有传入变量，所以我现在怎么需要传入它们呢？我尝试

var\u list=None

，这会引发另一个错误。然后我尝试

var\u list=[]

，它实际运行，但结果完全不同，因此我确信它是错误的。然后我发现，如果不在tf1中传递vars，它默认使用

tf.compat.v1.trainable\u variables（）

返回的任何内容。因此，我使用pdb在调用

minimize

之前调用该函数，发现它确实返回了一个变量，名为

a\u control

。于是我尝试

optimizer.minimize(lambda: loss, var_list=[A_control])

但这给了我同样的“不提供梯度”错误

在一段时间的调试失败后，我决定尝试将代码库的其余部分从TF1升级。我更改代码流以考虑急切的求值，删除会话的所有使用，替换

tf.compat.v1

的所有其他使用，不再需要方法

在多次调试迭代中运行代码后，我终于开始执行

优化器。最小化
并仍然获取错误

ValueError: No gradients provided for any variable: ['A_control:0'].

那怎么办？同一损失函数怎么可能在之前而不是之后有梯度？而且，如果我必须手动更改它，我如何确定我必须更改的部分？
最有可能的情况是，原始代码构建了图形，然后在会话中运行它。TF2在默认情况下使用了即时执行，在某些情况下，这两种方法的语法可能会非常不同。