Python Tensorflow中的变量没有梯度
我正在学习在Tensorflow中训练变量。但我甚至连最简单的一个例子都不正确。以下代码将产生Python Tensorflow中的变量没有梯度,python,tensorflow,Python,Tensorflow,我正在学习在Tensorflow中训练变量。但我甚至连最简单的一个例子都不正确。以下代码将产生ValueError:没有为任何变量提供梯度。有人能帮我吗?谢谢 import tensorflow as tf import click tf.compat.v1.enable_eager_execution() #tf.config.run_functions_eagerly(True) @click.command() @click.option('--lr', default = 0.001)
ValueError:没有为任何变量提供梯度。有人能帮我吗?谢谢
import tensorflow as tf
import click
tf.compat.v1.enable_eager_execution()
#tf.config.run_functions_eagerly(True)
@click.command()
@click.option('--lr', default = 0.001)
@click.option('--epochs', default = 10)
def main(lr, epochs):
optimizer = tf.optimizers.Adam(learning_rate=lr)
v = tf.Variable([0,0],trainable=True)
w = tf.convert_to_tensor([1,1])
def loss():
loss_value = tf.reduce_sum(tf.square(v-w))
return loss_value
variables = [v]
for epoch in range(epochs):
optimizer.minimize(loss,variables)
#print("epoch ", epoch, ": loss: ",loss_value.numpy())
if __name__ == '__main__':
main()
你好,
可以通过提及创建的每个变量的数据类型来解决此错误。
v=tf.Variable([0,0],trainable=True,dtype=tf.float32)
w=tf.convert_to_tensor([1,1],dtype=tf.float32)
优化器中的损失是什么。最小化(损失,变量)
?为什么要将函数引用传递给它?尝试优化器。最小化(loss(),variables)
。我按照Armin的建议添加了数据类型,现在问题解决了。我认为错误信息在这里不是很有用。是否有任何参考文献概括了此类问题?我不知道有任何此类参考文献。