在tensorflow 2.0中的自定义丢失和渐变代码中获得全无渐变

我正试图在tensorflow 2.0中编写一个非常糟糕的基本损失函数。总之，我有5门课，我想不分组训练，只使用一个热编码。我想让我的模型用5个类中的每个类的值来预测每个输入。之后，我想尝试获得两个最高值，如果它们是3或4，我想将其归类为“好”，如果不是，则归类为“坏”。最后，我希望我的损失为1-精度，如我所说的精度在以下情况下具有真正的正性： 1.模型猜测3，实际类为3 2.模型猜测3，实际类为4 3.模型猜测4，实际类为3 4.模型猜测为4，实际类为4

同样，我知道我可以更改数据的标签，但我宁愿不这样做。 我使用了一些已经写好的指标来记录我的损失，如下所示：

#@tf.function
def my_损耗（输出，实数，threeandfour=1，权重=损耗，mod=m）：
m=tf.keras.metrics.TruePositives（阈值=0.5）
m、 更新状态（实际、输出、样本重量=重量）
shape_0=tf.shape（输出）[0]
#形状1=tf.constant（2，dtype=tf.int32）
形状_1=2
halfs=tf.math.multiply（tf.constant（0.5，dtype=tf.float32），tf.one（（shape_0，shape_1，dtype=tf.float32））
thrsfrs_1=输出[：，2:4]
thrsfrs=tf.cast（thrsfrs_1，dtype=tf.float32）
logs_1=tf.math.greater（thrsfrs，halfs）
logs=tf.cast（logs_1，dtype=tf.float32）
打印（'原木形状：'，np.形状（原木））
打印（'少数日志：'，日志，）
_模型中的_3_4s_的数量=tf.减少_总和（日志）
prec_1=tf.math.divide（m.result（），模型中_3_4s_的数量）
prec=tf.cast（prec_1，dtype=tf.float32）
返回tf.math.subtract（tf.constant（1，dtype=tf.float32），prec）

梯度函数：

使用tf.GradientTape（）作为磁带：
磁带.手表（模型.可训练的变量）
y=型号（X列车）
打印（y:，y）
损耗值=我的损耗（y、tf、one、mod=m、重量=损耗重量）
#损耗值=tf.cast（损耗值，数据类型=tf.float32）
打印（'损耗值：'，损耗值）
梯度=磁带梯度（损失值、模型、可训练变量）
优化器。应用_梯度（zip（梯度、模型、可训练的_变量））

它确实成功地得到了一个损耗值，它是tensorflow，看起来还不错。这是我得到的梯度和误差：

python
got grads
[None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None]

ValueError                                Traceback (most recent call last)
<ipython-input-370-2f8f4b783a7b> in <module>()
     23 
     24 #optimizer.apply_gradients(zip(grads, model.trainable_variables), global_step)
---> 25 optimizer.apply_gradients(zip(grads, model.trainable_variables))
     26 
     27 #print("Step: {},         Loss: {}".format(global_step.numpy(),

1 frames
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/optimizer_v2/optimizer_v2.py in _filter_grads(grads_and_vars)
    973   if not filtered:
    974     raise ValueError("No gradients provided for any variable: %s." %
--> 975                      ([v.name for _, v in grads_and_vars],))
    976   if vars_with_empty_grads:
    977     logging.warning(

ValueError: No gradients provided for any variable: ['dense_40/kernel:0', 'dense_40/bias:0', 'dense_41/kernel:0', 'dense_41/bias:0', 'dense_42/kernel:0', 'dense_42/bias:0', 'dense_43/kernel:0', 'dense_43/bias:0', 'dense_44/kernel:0', 'dense_44/bias:0', 'dense_45/kernel:0', 'dense_45/bias:0', 'dense_46/kernel:0', 'dense_46/bias:0', 'dense_47/kernel:0', 'dense_47/bias:0']

---

我在

tensorflow==2.0.0a0

中遇到了同样的问题

更新到

2.0.0b1

解决了我的问题

pip install -U tensorflow==2.0.0b1

---

我在

tensorflow==2.0.0a0

中遇到了同样的问题

更新到

2.0.0b1

解决了我的问题

pip install -U tensorflow==2.0.0b1

---

谢谢你的回答@alexey。不幸的是，我已经在使用tensorflow 2.0.0 beta-1，当我按照您编写的方式重新安装它时，它仍然没有给我任何渐变。我再次查看并注意到问题的另一个潜在根源。根据TF文档，尝试将

grads=tape.gradient（损失值，模型.可训练变量）

放入

块中
根据TF文档
grads=tape.gradient（损失值，模型.可训练变量）
放入de块外。我在想到底发生了什么谢谢你的帮助！！面对同样的问题，解决办法是什么？谢谢你的回答@alexey。不幸的是，我已经在使用tensorflow 2.0.0 beta-1，当我按照您编写的方式重新安装它时，它仍然没有给我任何渐变。我再次查看并注意到问题的另一个潜在根源。根据TF文档，尝试将
grads=tape.gradient（损失值，模型.可训练变量）
放入
块中
根据TF文档
grads=tape.gradient（损失值，模型.可训练变量）
放入de块外。我在想到底发生了什么谢谢你的帮助！！面对同样的问题，解决办法是什么？？