Tensorflow 为什么我的TFU梯度没有返回？

基本上我不知道为什么它没有返回

# Defining the tf ops
prob_placeholder = tf.placeholder(tf.float32, shape=(2))
log_placeholder = tf.log(prob_placeholder)
grads_placeholder = tf.gradients(ys=tf.log(prob_placeholder), xs=model.weights)


# t is some index into the holders (which are lists)
# s is some state || p_a is some list of [p_1, 1 - p_1] || a_ is either 0 or 1 ||  r is 1

prob_ = tf_sess.run(prob_placeholder, {prob_placeholder: p_a})
log_ = tf_sess.run(log_placeholder, {prob_placeholder: prob_})
print(prob_, log_)
grads_ = tf_sess.run(grads_placeholder, {prob_placeholder: prob_})

TypeError:Fetch参数None的类型无效

我已经尝试添加打印语句，我可以看到prob_uuu和log_uuuu的结果很好，但我不确定在tf.gradients中发生了什么导致上述问题

---

model.weights基本上是我正在使用的模型的权重。

prob\u占位符

对

model.weights

没有任何明确的依赖性，即它在功能上不依赖于

model.weights

您定义它们的方式

---

因此，虽然从技术上讲梯度应该为零，但由于。

太棒了，它被计算为

None

！所以有一种方法是使model.output成为prob_占位符吗？这样，prob_占位符与model.weights？@user162264间接相关。通常的方法是将输出标签保留在

tf.placeholder

中，然后计算一个损失函数，该函数接受真实标签和NN的输出，并计算一个值。然后我们可以计算模型变量的损失梯度w.r.t。

TypeError: Fetch argument None has invalid type <type 'NoneType'>