Python 当张量损失通过时，需要胶带

我有以下损失：

loss = loss(y_train_left_noc[:,:,0], soft_argmin).tolist()

其中类型（损失）为

但是，在优化器中使用此损失时，如下所示：

train = tf.keras.optimizers.Adam().minimize(loss, [k1, k2, k3])

其中k1、k2和k3是卷积核，我得到以下错误：

Traceback (most recent call last):
  File "train.py", line 277, in <module>
    k3
  File "/usr/local/lib/python3.7/site-packages/tensorflow/python/keras/optimizer_v2/optimizer_v2.py", line 385, in minimize
    loss, var_list=var_list, grad_loss=grad_loss, tape=tape)
  File "/usr/local/lib/python3.7/site-packages/tensorflow/python/keras/optimizer_v2/optimizer_v2.py", line 440, in _compute_gradients
    raise ValueError("`tape` is required when a `Tensor` loss is passed.")
ValueError: `tape` is required when a `Tensor` loss is passed.

回溯（最近一次呼叫最后一次）：
文件“train.py”，第277行，在
k3
文件“/usr/local/lib/python3.7/site packages/tensorflow/python/keras/optimizer\u v2/optimizer\u v2.py”，第385行
损耗，var_列表=var_列表，渐变损耗=渐变损耗，磁带=磁带）
文件“/usr/local/lib/python3.7/site packages/tensorflow/python/keras/optimizer\u v2/optimizer\u v2.py”，第440行，在计算梯度中
raise VALUERROR（“'Tensor'丢失传递时需要'tape'”）
ValueError:'tape'在传递'Tensor'丢失时是必需的。

---

如果损失是浮点型的，那么为什么Tensorflow说一个

Tensor

损失被传递？

为了社区的利益，回答@nikitamaia的解决方案

您看到的错误消息是：

此错误消息似乎只出现在tf nightly中，如果您在tf2.3中运行代码，您将注意到一条稍有不同的错误消息

TypeError:“float”对象不可调用

，这可能是一条更清晰的消息。无论哪种方式，由于传递的是标量损失值，而不是可调用的值，因此预期会出现错误。如果要使用标量丢失值而不传递可调用值，则应使用GradientTape，如错误消息中所述。

示例代码

如果损失是张量，则需要添加以下内容：

with tf.control_dependencies(gen_updates):
  d_train_opt = tf.optimizers.Adam(
    learning_rate=LR_D, 
    beta_1=BETA1
  ).minimize(
      d_loss, 
      var_list=d_vars
    )
  

---

请你解释一下你到底想做什么，并分享完整的可复制代码，以便我们能够帮助你。谢谢

with tf.control_dependencies(gen_updates):
  d_train_opt = tf.optimizers.Adam(
    learning_rate=LR_D, 
    beta_1=BETA1
  ).minimize(
      d_loss, 
      var_list=d_vars
    )
  

with tf.control_dependencies(gen_updates):
  d_train_opt = tf.optimizers.Adam(
    learning_rate=LR_D, 
    beta_1=BETA1
  ).minimize(
      d_loss, 
      var_list=d_vars,
      tape=tf.GradientTape(persistent=False)
    )