1

我正在尝试学习新的 TF 2.0 alpha 版本。我正在Sequential为二进制分类目的训练模型。我的数据表是df，这是一个 numpy 数组。classification是我必须预测的类的 one-hot 编码数据帧。

模型的定义很明确，因为它是损失函数和准确率函数以及 (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.')

在这一点上，我得到指向错误optimizer.apply_gradients()。错误消息说：

ValueError：要解包的值太多（预期为 2）

我的错误在哪里？

我对这种类型的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。任何帮助表示赞赏。

4

1 回答 1

4

试试这个：

optimizer.apply_gradients(zip(gradients, model.trainable_variables))
于 2019-03-20T09:19:40.243 回答