在 TensorFlow 2.0 中：optimizer.apply_gradients 的训练错误

Question

我正在尝试学习新的 TF 2.0 alpha 版本。我正在为二元分类目的训练 Sequential 模型。我的数据表是 df，这是一个 numpy 数组。 classification 是我必须预测的类的单热编码数据帧。

模型的定义很清楚，因为它是损失函数和精度函数以及（Adam）优化器的定义。但是，我在训练时遇到错误：

loss_history = []
accuracy_history = []

for epoch in range(n_epochs):

    with tf.GradientTape() as tape:

        # compute binary crossentropy loss (bce_loss)
        current_loss = bce_loss(model(df), classification.astype(np.float64))
        loss_history.append(current_loss)

        # train the model based on the gradient of loss function
        gradients = tape.gradient(current_loss, model.trainable_variables)
        optimizer.apply_gradients([gradients, model.trainable_variables])  # optimizer = Adam


    # print the training progress
    print(str(epoch+1) + '. Train Loss: ' + str(metrics) + ', Accuracy: ' + str(current_accuracy))

print('\nTraining complete.')

此时，我得到指向 optimizer.apply_gradients() 的错误。错误消息说：

ValueError: too many values to unpack (expected 2)

我的错误在哪里？

我对此类错误进行了一些研究，但没有发现与此特定功能相关的任何有用信息。感谢任何帮助。

Answer 1

试试这个：

optimizer.apply_gradients(zip(gradients, model.trainable_variables))

在 TensorFlow 2.0 中：optimizer.apply_gradients 的训练错误

In TensorFlow 2.0: Training error with optimizer.apply_gradients

python

neural-network

tensorflow

tensorflow2.0