tf.keras 在训练期间获取计算的梯度

Question

根据所写内容 here 我试图在训练期间使用 tf.keras 获得计算的梯度，我最终得到以下结果在拟合阶段调用的回调函数：

使用的网络是非常标准的网络，完全连接且顺序。

r = network.fit(x=trn.X,y=trn.Y,verbose=2,batch_size=50,epochs=50,callbacks=[reporter,])

def on_train_begin(self, logs={}):

    # Functions return weights of each layer
    self.layerweights = []
    for lndx, l in enumerate(self.model.layers):
        if hasattr(l, 'kernel'):
            self.layerweights.append(l.kernel)

    input_tensors = [self.model.inputs[0],
                     self.model.sample_weights[0],
                     self.model.targets[0],
                     K.learning_phase()]

    # Get gradients of all the relevant layers at once
    grads = self.model.optimizer.get_gradients(self.model.total_loss, self.layerweights)
    self.get_gradients = K.function(inputs=input_tensors,outputs=grads) # <-- Error Here

出现以下错误信息：

~\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\eager\lift_to_graph.py in (.0)
    312   # Check that the initializer does not depend on any placeholders.
    313   sources = set(sources or [])
--> 314   visited_ops = set([x.op for x in sources])
    315   op_outputs = collections.defaultdict(set)
    316 

AttributeError: 'NoneType' object has no attribute 'op'

知道如何解决吗？已阅读 , and this one，但没有成功

Answer 1

AttributeError: 'NoneType' object has no attribute 'op'

表示你有一个对象或属性得到了None.
要处理它，你可以使用这个：

visited_ops = set([x.op for x in sources if x])

Answer 2

在 python 3.6.9 上使用旧版本的 keras(v. 2.2.4) 和 tensorflow (1.13.1) 解决了这个问题。

tf.keras 在训练期间获取计算的梯度

tf.keras get computed gradient during training

python

gradient

keras

tensorflow