Tensorflow 张量流约束优化张量

我想通过剪切更新的变量来约束更新。我知道变量的边界，所以我需要约束它

import tensorflow as tf
tf.compat.v1.enable_eager_execution()
import tensorflow_probability as tfp
import numpy as np
import matplotlib.pyplot as plt

def rosen(x):
    """The Rosenbrock function"""
    return sum(100.0*(x[1:]-x[:-1]**2.0)**2.0 + (1-x[:-1])**2.0)

x0 = np.array([1.3, 0.7, 0.8, 1.9, 1.2])

"Trial #1"
x    = tf.Variable(x0)
opt  = tf.keras.optimizers.Adam(learning_rate=0.1)
ls   = []
clip_min = [0,0,0,0,0]
clip_max = [2,2,2,2,2]
for _ in range(3000):
    with tf.GradientTape() as tape:
      tape.watch(x)
      loss = rosen(x)   
    ls.append(loss.numpy())    
    grads = tape.gradient(loss, x)   
    opt.apply_gradients(zip([grads], [x]))
    "This is the error !!!!!"
    x     = tf.clip_by_value(x, clip_value_min=clip_min, 
                              clip_value_max=clip_max)
sol1 = x.numpy()  
plt.plot(np.arange(len(ls)), ls)  

它给了我这个错误：

AttributeError: 'tensorflow.python.framework.ops.EagerTensor' object has no attribute '_in_graph_mode'

---

如何解决这个问题？？？

你能发布完整的回溯（错误消息）吗？嗨，这是完整的错误消息。当我尝试在每次迭代中剪裁变量时，它就会出现。在pytorch中，我通过应用torch.zero\u grad（）来解决这个问题。但我不知道如何在TensorFlow中实现这一点这不是完整的回溯。您是否可以发布一条消息，以

回溯（最近一次调用上次）

开始，以

AttributeError'tensorflow.python.framework.ops.热切Tensor'对象在图形模式下没有属性'

结束？。（即使有很多行）。