Python `gradient'在构建TensorFlow图时提供AttributeError

我试图学习如何在TensorFlow中构建一个图，但却陷入了一个看似琐碎的操作中。这就是我所拥有的

import tensorflow as tf
def loss(x, y):
  tf.reduce_mean(tf.square(x - y))
xx = tf.random_normal([])
noise = tf.random_normal([])
yy = 3 * xx + 2 + noise
W = tf.get_variable("W", [])
W.assign(5)
b = tf.get_variable("b", [])
b.assign(0)
with tf.GradientTape() as t:
  current_loss = loss(W*xx+b, yy)
dW = t.gradient(current_loss, W)

在这一点上，我得到了一个AttributeError，如下所示

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-7-26d05a240ccc> in <module>()
      1 with tf.GradientTape() as t:
      2   current_loss = loss(W*xx+b, yy)
----> 3 dW = t.gradient(current_loss, W)

/usr/local/lib/python3.6/dist-packages/tensorflow/python/eager/backprop.py in gradient(self, target, sources, output_gradients, unconnected_gradients)
    944         flat_sources,
    945         output_gradients=output_gradients,
--> 946         unconnected_gradients=unconnected_gradients)
    947 
    948     if not self._persistent:

/usr/local/lib/python3.6/dist-packages/tensorflow/python/eager/imperative_grad.py in imperative_grad(tape, target, sources, output_gradients, unconnected_gradients)
     70       sources,
     71       output_gradients,
---> 72       compat.as_str(unconnected_gradients.value))

AttributeError: 'NoneType' object has no attribute '_id'

---------------------------------------------------------------------------
AttributeError回溯（最近一次呼叫上次）
在（）
1，tf.GradientTape（）为t：
2电流损耗=损耗（W*xx+b，yy）
---->3 dW=t.梯度（电流损耗，W）
/渐变中的usr/local/lib/python3.6/dist-packages/tensorflow/python/eager/backprop.py（自、目标、源、输出渐变、未连接渐变）
944个平面光源，
945输出梯度=输出梯度，
-->946未连接的_渐变=未连接的_渐变）
947
948如果不是自己的话：
/命令梯度中的usr/local/lib/python3.6/dist-packages/tensorflow/python/eager/祈使梯度.py（磁带、目标、源、输出梯度、未连接梯度）
70个来源，
71输出_梯度，
--->72协调as_str（未连接的梯度值））
AttributeError:“非类型”对象没有属性“\u id”

---

我做错了什么？如何得到梯度？提前感谢。

如果您不想使用即时执行，则需要稍微修改上面的代码。当您想在非紧急执行模式下使用TensorFlow时，需要有两个主要部分：

构建图表

运行图表

因此，我按照以下逻辑重新编写了上面的示例：

import tensorflow as tf
import numpy as np

# Building the graph
xx = tf.constant(np.random.normal(loc=0.0, scale=1.0))
noise = tf.constant(np.random.normal(loc=0.0, scale=1.0))
yy = 3 * xx + 2 + noise

W = tf.Variable(5.0, name="W")
b = tf.Variable(0.0, name="b")

current_loss = tf.reduce_mean(tf.square(tf.scalar_mul(W,xx)+b - yy))
dW = tf.gradients(current_loss, W, name='dW')[0]

# Initialisation operation
init = tf.global_variables_initializer()

# Creating a session and running the graph
with tf.Session() as sess:
    sess.run(init)

    dW_np = sess.run(dW)

print(dW_np)

您的

loss（）

函数不会返回任何内容。这就是为什么您有

属性错误

（因为

当前损失

是

无

）。您应该添加

return

语句

---

关于你对上一个答案的评论

GradientTape

用于紧急执行，因此您应该在程序开始时添加

tf。启用紧急执行（）。如果你想在图形模式下构建，你应该使用
tf.gradients（）
或
tf.train.Optimizer
子类的
compute\u gradients（）
方法（例如
tf.train.GradientDescentOptimizer
）。
我知道这是可行的。但本练习的目的是在不急于执行的情况下构建一个图，并从中构建自定义NN层。我不知道是什么原因导致了上述错误以及如何避免。对不起，我误解了你的问题！我将更新我的答案。我不应该在急切执行模式之外使用
GradientTape
？我没有发现任何文档提到这一点。如果您查看回溯，您将看到它是在eager模块中定义的：
/usr/local/lib/python3.6/dist packages/tensorflow/python/eager/backprop.py
。另见答案。