问题标签 [eager-execution]

我不确定之前是否有人问过这个问题，但我在使用自定义损失函数计算梯度时遇到了问题。我不太确定如何为问题命名，但似乎除非我直接在损失计算中使用模型输出，否则我会收到以下错误：

我失败的损失计算是：

grad_tape$gradient(mdl_loss, mdl$variables) 函数返回一个空列表。但是，以下工作：

请注意，prd是使用mdl_output 构建的，而rnk是使用来自 numpy 数组的 R 矩阵构建的。

为什么我需要做后者？prd传递的内容以某种方式被rnk丢失了？

FWIW：我正在使用带有急切执行的 R tensorflow 和 keras 包。

我正在尝试从TensorFlow 1.10 中的Keras 应用程序获取 ResNet101 或 ResNeXt，由于某种原因，它们仅在 Keras 的存储库中可用：

但是，这会导致：

我从它的 GitHub 主分支安装了 Keras，因为出于某种奇怪的原因，Keras 和 TensorFlow 的 Keras API 的 pip 安装不包括 ResNet101、ResNetv2、ResNeXt 等。有谁知道我如何在 TensorFlow 的热切中运行这些模型（最好是 ResNeXt）执行？

我为我的研究生研究设计了自己的损失函数，它计算了损失直方图和正态分布之间的距离。我在关于鸢尾花分类的 Tensorflow 2.0教程的设置中实现了这个损失函数。

我检查了我的损失值和类型，它们与教程中的相同，但grads来自我tape.gradient()的是None。

这是在 Google Colab 中完成的：

TensorFlow version: 2.0.0-beta1

Eager execution: True

我的损失和梯度代码块：

教程中的代码是：

我觉得我的自定义损失的计算应该无关紧要，因为数据类型和形状是相同的，但如果确实如此，这是我的损失函数：

我搜索并尝试添加tape.watch()，检查我返回的缩进，但他们没有解决这个None问题。我将非常感谢任何解决此问题的建议。谢谢！

tf.GradientTape类的定义在这里

当 tensorflow 在 Eager 模式与图形模式下运行时，矩阵乘法值会有所不同

tensorflow 中急切和非急切执行的代码流是不同的。但是这些值必须理想地匹配，但事实并非如此。

急切执行：

急切执行的输出：[[-2.77555756e-17 -2.77555756e-17 -2.77555756e-17]

图表执行：

图执行的输出：[[-5.55111512e-17 -5.55111512e-17 -5.55111512e-17]]

对于简单的矩阵乘法，这两种模式之间的输出差异不是很大吗？（虽然是e-17）

我想子类化这个tf.Tensor类。这个想法是子类的对象应该表现得像张量（即我可以使用它们来进行任何类型的 tf 操作），但它们还应该具有其他属性，这些属性在我的框架内为它们提供特定的行为。

到目前为止，我在图形模式下工作，我只是做这样的事情：

现在，我想只在渴望模式下做同样的事情，但我真的不知道（而且我什么也没找到）关于EagerTensor实例化。显然，该op属性不再有意义。

我尝试通过该方法创建对象，但在子类化和遵循创建路径__new__时发现了问题。EnrichedTensor

所以，我想知道是否有任何方法可以干净地以“声音”的方式做到这一点。

我按照 tensorflow 网站上关于数据集创建的教程编写了以下图像分类代码。问题是在创建数据集变量后，代码只是停止执行并终止。

我最初的猜测是，这可能是急切执行的问题。我尝试使用 Visual Studio 代码调试器进行调试，但无法取得任何进展。

我有一堂课，里面有一个模型：

我使用以下内容来构建模型：

使用以下几行进行训练时：

模型训练没有任何问题。

但在单独运行中，使用以下代码：

损失在几个 epoch 之后就卡住了。计算的准确度也停止在 0.5。

有谁知道如何使用 Keras 模型进行训练GradientTape？

我有一个安装了 Tensorflow 2.0.0-beta1 的 conda 环境。但是，每当我导入 tensorflow 并尝试启用急切执行时，我都会收到错误消息：

我为此运行的唯一代码是：

这是 tensorflow 2.0 beta 模块的错误还是我的安装问题？

我正在尝试在 google colab 上使用 Tensorflow 和 Keras API 实施自定义培训。我使用 TensorFlow 2.0.0-beta1。

我的损失函数代码部分是：

哪个会产生此错误：

这是一个很长的标题，但希望我能用几句话正确地解释自己：

我正在尝试使用 Tensorflow 最小化给定的得分函数，灵感来自于Minimize a function of an variable in Tensorflow 中发表的内容。这种评分函数的值是通过调用一个 Matlab 脚本获得的，该脚本只需要提供一个参数（与输入变量相关，一个张量）。

为此，我使用了 Tensorflow 2.0 的 beta 版本，其中包括一个称为急切执行的功能，它允许访问每个张量的内容，而无需运行任何会话。

在这里，您可能会发现我的代码的草稿：

可悲的是，此解决方案仍然无法解决，因为我收到以下错误消息作为输出：

经过详尽的搜索，我认为这个问题与这篇旧帖子有关（TensorFlow: 'ValueError: No gradients provided for any variable'），这是通过直接从成本函数到张量进行相应操作来解决的。但是，我别无选择，只能调用此 matlab 函数并将其输出用作成本函数的输出。

您对如何克服这一点有任何想法吗？

非常感谢您，祝大家度过愉快的一周！