Tf 2.0 : RuntimeError: GradientTape.gradient can only be called once on non-persistent tapes

Question

在tensorflow 2.0 guide中的tf 2.0 DC Gan示例中，有两个渐变带。见下文。

@tf.function
def train_step(images):
    noise = tf.random.normal([BATCH_SIZE, noise_dim])

    with tf.GradientTape() as gen_tape, tf.GradientTape() as disc_tape:
      generated_images = generator(noise, training=True)

      real_output = discriminator(images, training=True)
      fake_output = discriminator(generated_images, training=True)

      gen_loss = generator_loss(fake_output)
      disc_loss = discriminator_loss(real_output, fake_output)

    gradients_of_generator = gen_tape.gradient(gen_loss, generator.trainable_variables)
    gradients_of_discriminator = disc_tape.gradient(disc_loss, discriminator.trainable_variables)

    generator_optimizer.apply_gradients(zip(gradients_of_generator, generator.trainable_variables))
    discriminator_optimizer.apply_gradients(zip(gradients_of_discriminator, discriminator.trainable_variables))

你可以清楚地看到有两条渐变带。我想知道使用单个磁带有什么区别并将其更改为以下

@tf.function
def train_step(images):
    noise = tf.random.normal([BATCH_SIZE, noise_dim])

    with tf.GradientTape() as tape:
      generated_images = generator(noise, training=True)

      real_output = discriminator(images, training=True)
      fake_output = discriminator(generated_images, training=True)

      gen_loss = generator_loss(fake_output)
      disc_loss = discriminator_loss(real_output, fake_output)

    gradients_of_generator = tape.gradient(gen_loss, generator.trainable_variables)
    gradients_of_discriminator = tape.gradient(disc_loss, discriminator.trainable_variables)

    generator_optimizer.apply_gradients(zip(gradients_of_generator, generator.trainable_variables))
    discriminator_optimizer.apply_gradients(zip(gradients_of_discriminator, discriminator.trainable_variables))

这给了我以下错误：

RuntimeError: GradientTape.gradient can only be called once on non-persistent tapes.

我想知道为什么需要两盘磁带。 截至目前，关于 tf2.0 API 的文档还很少。任何人都可以解释或指向右边 docs/tutorials 吗？

Answer 1

来自GradientTape的documentation：

By default, the resources held by a GradientTape are released as soon as GradientTape.gradient() method is called. To compute multiple gradients over the same computation, create a persistent gradient tape. This allows multiple calls to the gradient() method as resources are released when the tape object is garbage collected.

可以使用 with tf.GradientTape(persistent=True) as tape 创建持久渐变，并使用 del tape 手动删除 can/should（感谢此@zwep，@Crispy13）。

Answer 2

技术原因是 gradient 被调用了两次，这在 (non-persistent) 个磁带上是不允许的。

然而，在目前的情况下，根本原因是 GANS 的训练通常是通过交替优化生成器和鉴别器来完成的。每个优化都有自己的优化器，通常对不同的变量进行操作，现在即使是最小化的损失也不同（代码中的 gen_loss 和 disc_loss）。

所以你最终得到两个梯度，因为训练 GAN 本质上是以交替方式优化两个不同的（对抗性）问题。