嘿，我正在转换老版本的张量流，考虑一个简单的线性回归模型 import tensorflow as tffrom tensorflowtf.keras.optimizers.Adam()
opt_op = optimizer.minimize(loss,var_list = model.trainable_weights) 现在它会引发错误状态这很奇怪，因为我把神经网络作为可训练变量，它在前进过程中通过了。我去了
浏览 17提问于2019-10-04得票数 1
回答已采纳
我在尝试传播损失函数相对于表示聚集索引的变量的梯度时遇到了一些问题，这类似于在空间转换网络()中所做的事情。我觉得我可能错过了一些非常简单的东西。下面是我想要做的一个简化的玩具示例：import numpy as nplf_b = 2.0tf.squared_differe
浏览 1提问于2016-07-24得票数 5
我非常理解Tensorflow中的变量概念(我想)，但我仍然觉得它们不是很有用。我读到它的主要原因是为了在以后恢复它们，这在某些情况下可能很方便，但是您可以使用numpy.save来保存矩阵和值，甚至将它们写到日志文件中。变量用于保存张量，但是您可以使用Python变量来保存它们，从而避免了Tensorflow的变量额外包装。当使用get_variable函数时，变量变得很好，因为代码将比使用字典存储权重干净得多，然
浏览 0提问于2018-01-01得票数 0
我正面临着tensorFlow的麻烦。optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost) # Gradient Descen
ValueError:没有为任何变量提供梯度，检查不支持渐变的图形，在变量‘张量(“变量/读:0”，shape=(784，10)，dtyp
浏览 6提问于2017-01-17得票数 35
我正在为我的tensorflow工作区工作在一个单元测试系统中，我想知道是否有任何方法或属性，给出了一个带有优化器操作的图(在调用.minimize()之后)，以获得它正在优化的最终损失张量及其控制的变量例如，如果我调用train_op = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)，我希望只检索只有访问train_op的cross_entropy我可以访问train_op对象，我只想知道它
浏览 0提问于2018-01-23得票数 6
回答已采纳
1回答
我希望softmax_cross_entropy_with_logits中的logits首先由占位符表示，然后在计算时通过计算值传递给占位符，但tensorflow将报告错误ValueError:没有为任何变量提供渐变，请检查您的图形中不支持渐变的操作。我知道直接将logits更改为输出是可以的，但如果我必须使用logits，则结果首先是一个占位符。我该怎么解决呢？
浏览 0提问于2018-12-05得票数 0
我知道从梯度计算backward中排除计算元素的两种方法with torch.no_grad():loss = criterion(net.forward(torch.from_numpy(o)), y)方法2:使用.detach()的
浏览 0提问于2019-06-29得票数 66
optimizer和loss之间的显式连接在哪里？优化器如何知道在没有调用的情况下从哪里得到损失的梯度，比如这个optimizer.step(loss)当我将损失最小化时，我不必将梯度传递给优化器。
浏览 0提问于2018-12-30得票数 142
回答已采纳
我想通过定义一个丢失的"loss_mu“来更新一个变量参数"mus”，并使用optimizer.adam优化它，我遇到了一个问题："ValueError:没有为任何变量提供梯度：‘变量:0’。grad = Tape.gradient(loss_mu, [mus])当我打印研究生时，我发现它不是，我对
浏览 1提问于2022-02-20得票数 0
回答已采纳
1回答
因此，我在Keras中实现基于SSIM的度量函数时遇到了一些困难。我的公制函数是：def custom_ssim(y_actual, y_predicted):
在试图编译模型时收到的错误消息如下我已
浏览 3提问于2020-02-22得票数 3
1回答
类ModifiedBackprop(object)：def __init__(自，非线性)：self.nonlinearity =非线性self.ops = {} #回溯每个张量类型的OpFromGraphX= maybe_to_gpu(x) #我们注意到非线性#(主要是维数和dtype)输入变量的张量类型；我们需要创建一个拟合的Op.tensor_type= x.type #，如果我们还没有创建一个合适的如果tensor_type不在self.ops：#中，则创建一个
浏览 4提问于2022-03-02得票数 0
1回答
不可能，因为当我最终实现时，我得到了错误：我正在实现一个语义分割网络来识别脑肿瘤。网络总是返回非常好的精度，大约94.5%，但是当我用网络输出绘制真实的掩码时，我看到精度是0%，因为它没有绘制任何白点：顺便说一句，面具图像的值只有0.0，黑色和1.0之间<em
浏览 0提问于2020-06-10得票数 1
回答已采纳
2回答
我试图用PyTorch张量来代替Numpy数组来解决GPU上的非线性PDE问题。我要计算任意张量的偏导数，类似于中心有限差分函数的作用。我还有其他解决这个问题的方法，但是由于我已经在使用PyTorch，我想知道是否可以使用autograd模块(或者，一般情况下，任何其他的自动分化模块)来执行这个操作。我已经创建了一个与张量兼容的numpy.gradient函数版本，运行速度要快得多。但也许有一种更优雅的</e
浏览 1提问于2019-07-29得票数 5
回答已采纳
在非急切模式下，我可以在没有问题的情况下运行这个程序：train_op = tf.train.AdamOptimizerprint(s_)
(0.99+0.99j)(0.9700001+0.9700001j)但我似乎无法在急切的模式下找到相应的表达方式loss = obj(s)
grads = tape.gradient(loss,
浏览 1提问于2019-09-22得票数 1
当我将张量转换为float32时，我遇到了一个错误：“没有为任何变量提供梯度”。但是，如果没有强制转换，我就会得到一个错误，即期望的类型是浮点，而不是int。在我的设置中，我试图最小化两个张量差的平方误差。tensorflow/python/training/optimizer.py”，行309，在apply_gradients (c
浏览 5提问于2016-10-27得票数 3
我正在尝试在CNN 2.0中训练TensorFlow模型。这是一个多类分类任务。weights此时，我收到一个错误：
ValueError:没有为任何变量提供梯度.我知道问题出在哪里:当我打电话给tape.gradient()时，出了点问题。我确实复制了TF-2.0
浏览 1提问于2019-06-12得票数 3
当我运行下面的脚本时，我会得到一个错误消息：“没有为任何变量提供梯度”。'grads‘变量是'None’值的列表。这么简单的脚本可能出了什么问题？
浏览 0提问于2019-05-25得票数 2
回答已采纳
我很想了解tensorflow函数之间的区别tf.fake_quant_with_min_max_vars类似地，看一下quantize.Quantize的代码，我确实理解了它基本上是遍历图形，找到
浏览 105提问于2018-05-25得票数 4
我收到一个"ValueError:没有为任何变量提供梯度：'dense_1/kernel:0'，‘dense_1/bias:0’。当使用真实数据或下面的随机数时，也会出现同样的错误。
浏览 74提问于2021-03-18得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
