使用 GradientTape 训练基本的 TensorFlow 模型

Question

仅出于教育目的，我试图在 TensorFlow 主页上的 Basic training loops 教程的基础上创建一个简单的神经网络来对平面中的点进行分类。

所以，我在 [0,1]x[0,1] 中的一些点存储在形状 (250, 2, 1) 的张量 x 中，相应的标签 (1. or 0.) 存储在张量 y 的形状 (250,1,1)。那我做

import tensorflow as tf

w0 = tf.Variable(tf.random.normal([4,2]), name = 'w0')
w1 = tf.Variable(tf.random.normal([1,4]), name = 'w1')
b1 = tf.Variable(tf.zeros([4,1]), name = 'b1')
b2 = tf.Variable(tf.zeros([1,1]), name = 'b2')

loss = tf.keras.losses.CategoricalCrossentropy()

def forward(x):
  x0 = x
  z1 = tf.matmul(w0, x0) + b1
  x1 = tf.nn.relu(z1)
  z2 = tf.matmul(w1, x1) + b2
  x2 = tf.nn.sigmoid(z2)
  return x2

with tf.GradientTape() as t:
    current_loss = loss(y, forward(x))

gradients = t.gradient(current_loss, [b1, b2, w0, w1])

我得到的是预期形状但仅包含零的张量列表。有人有什么建议吗？

Answer 1

出现此问题是因为 labels/predictions 没有预期的形状。特别是，损失函数 tf.keras.losses.CategoricalCrossentropy 期望以单热表示形式提供标签，但您的标签和预测具有 (250, 1, 1) 形状，并且在这种情况下损失函数的行为不清楚。使用 tf.keras.losses.BinaryCrossentropy 相反应该可以解决问题。

使用 GradientTape 训练基本的 TensorFlow 模型

Training a basic TensorFlow Model using the GradientTape

python

classification

neural-network

tensorflow

gradienttape