Tensorflow 如何使用GradientDescentOptimizer计算梯度和变量

我有下面的CNN代码实现

optimizer = tf.train.GradientDescentOptimizer(cnn.learning_rate).minimize(loss = cnn.loss, global_step=global_step)
grads_and_vars = optimizer.compute_gradients(cnn.loss)
train_op = optimizer.apply_gradients(grads_and_vars, global_step=global_step)

使用它，我得到以下错误：

grads_and_vars = optimizer.compute_gradients(cnn.loss)
AttributeError: 'Operation' object has no attribute 'compute_gradients'

我注意到，将上述GradientDescentOptimizer实现与tf.train.exponential_detaction一起使用不会提供“compute_gradients”属性 对于优化器

---

有人能帮我吗？

计算梯度和应用梯度都是

tf.train.GradientDescentOptimizer

类的方法

问题是您将优化器定义为步骤。您应该删除

minimize

调用，如下所示：

optimizer = tf.train.GradientDescentOptimizer(cnn.learning_rate)
grads_and_vars = optimizer.compute_gradients(cnn.loss)
train_op = optimizer.apply_gradients(grads_and_vars, global_step=global_step)

它应该会起作用

但是，如果您没有具体使用渐变，您确实可以使用

.minimize（…）

来直接定义训练步骤，类似于您的

训练操作

：

optimizer = tf.train.GradientDescentOptimizer(cnn.learning_rate)
train_op = optimizer.minimize(loss=cnn.loss, global_step=global_step)

---

进一步解释如何应用梯度。

请随意查看tensorflow（路径：）中optimizer.py的源代码，您将得到答案

代码段，即从第365行到第423行是

.minimize（）

函数的实现。别担心，大部分都是笔记。实际上，它同时执行

.compute_gradients（）

和

.apply_gradients（）

。因此，如果要单独调用

.compute_gradients（）

，则必须确保该变量是

tf.train.GradientDescentOptimizer（）

的实例