TensorFlow 中切片输入的梯度为 None
Gradient are None for sliced input in TensorFlow
以下是我的代码
import tensorflow as tf
import numpy as np
def forward(x):
z = tf.Variable(tf.zeros_like(x), trainable=False)
s = tf.shape(x)[0]
for i in range(s):
z[i].assign(x[i]**i)
return z
a = tf.Variable(np.ones([5])*3)
with tf.GradientTape() as tape:
b = forward(a)
grad = tape.gradient(b, a)
我有一个输入,我必须对其进行切片,然后计算输出。在此基础上,我需要计算梯度。但是,上面代码的输出是 None.
如何获得渐变?有什么方法可以对输入进行切片以获得梯度。
P.S。我必须只使用 EagerExecution。无图形模式。
在使用gradientTape的时候,如果你把它当成一个函数来思考会很有帮助。假设您的成本函数是 y = x ** 2。可以计算 y(您的函数)相对于 x(您的变量)的梯度。
在您的代码中,您没有计算梯度的函数。您正在尝试针对变量计算梯度,但这不起作用。
我做了一个小改动。检查下面代码中的可变成本
import tensorflow as tf
import numpy as np
def forward(x):
cost = []
z = tf.Variable(tf.zeros_like(x), trainable=False)
s = tf.shape(x)[0]
for i in range(s):
z[i].assign(x[i]**i)
cost.append(x[i]**i)
return cost
a = tf.Variable(np.ones([5])*3)
with tf.GradientTape() as tape:
b = forward(a)
grad = tape.gradient(b, a)
print(grad)
以下是我的代码
import tensorflow as tf
import numpy as np
def forward(x):
z = tf.Variable(tf.zeros_like(x), trainable=False)
s = tf.shape(x)[0]
for i in range(s):
z[i].assign(x[i]**i)
return z
a = tf.Variable(np.ones([5])*3)
with tf.GradientTape() as tape:
b = forward(a)
grad = tape.gradient(b, a)
我有一个输入,我必须对其进行切片,然后计算输出。在此基础上,我需要计算梯度。但是,上面代码的输出是 None.
如何获得渐变?有什么方法可以对输入进行切片以获得梯度。
P.S。我必须只使用 EagerExecution。无图形模式。
在使用gradientTape的时候,如果你把它当成一个函数来思考会很有帮助。假设您的成本函数是 y = x ** 2。可以计算 y(您的函数)相对于 x(您的变量)的梯度。
在您的代码中,您没有计算梯度的函数。您正在尝试针对变量计算梯度,但这不起作用。
我做了一个小改动。检查下面代码中的可变成本
import tensorflow as tf
import numpy as np
def forward(x):
cost = []
z = tf.Variable(tf.zeros_like(x), trainable=False)
s = tf.shape(x)[0]
for i in range(s):
z[i].assign(x[i]**i)
cost.append(x[i]**i)
return cost
a = tf.Variable(np.ones([5])*3)
with tf.GradientTape() as tape:
b = forward(a)
grad = tape.gradient(b, a)
print(grad)