图无法在@tf.function 中的 tensonflow 2.3 中看到我的可训练变量

问题描述

我有两个问题，我相信它们与同一个问题有关：

1. 为什么我必须通过 var_list 来最小化，因为我已经明确使用了 trainable = True。如果我删除 var_list，我会收到错误消息。
2. 无论我称之为最小化多少次迭代或我使用什么学习率，我总是得到相同的结果。我相信我的变量不在图中，因此它们不能在每次迭代时更新。它基本上与数字 1 相关。

这是代码。任何帮助将不胜感激！谢谢，注意安全！！

import tensorflow as tf
from matplotlib import pyplot as plt
import numpy as np

y_train = [2.48647765732222,-0.303258845569525,-4.05313903208675,-4.33589931314926,-6.17420514970129,-5.60395159162841,-3.50690652820209,-
           2.32567755531334,-4.63772499017313,-0.232708358092122,-1.98576143074415,1.02839153133005,-
           2.26396081470418,-0.450826849993658,1.16715548976294,6.65243873752780,4.14520332259566,5.26766016927822,6.34028299499329,9.62643862532723,14.7841620484121]
x_train = [i+1.0 for i in range(len(y_train))]


class LinReg:
    def __init__(self,x,y):
        self.tf_x = tf.constant(x)
        self.tf_y = tf.constant(y)
        self.tf_a = tf.Variable(0.1,trainable=True)
        self.tf_b = tf.Variable(0.2,trainable=True)
        self.tf_c = tf.Variable(0.3,trainable=True)

    @tf.function
    def DegreeTwo(self):

        tf_y_model = tf.multiply(self.tf_a,tf.pow(self.tf_x,2)) + \
            tf.multiply(self.tf_b,self.tf_x) + self.tf_c

        tf_error = tf.reduce_mean(tf.square(self.tf_y - tf_y_model))

        op = tf.compat.v1.train.GradientDescentOptimizer(learning_rate=0.000000002)

        for _ in range(100):
            op.minimize(loss=tf_error,var_list=[self.tf_a,self.tf_b,self.tf_c])

        return self.tf_a,self.tf_c


x = LinReg(x_train,y_train)
a,b,c = x.DegreeTwo()
print("\nA=",a)
print("\nB=",b)
print("\nC=",c)

我决定稍微更改代码以确保所有变量都在 tf.function 的“内部”创建，但这没有任何区别

这是代码

import tensorflow as tf
from matplotlib import pyplot as plt
import numpy as np


y_train = [2.48647765732222,14.7841620484121]
x_train = [i+1.0 for i in range(len(y_train))]

tf_y_train = tf.constant(y_train)
tf_x_train = tf.constant(x_train)


class LinReg:
    def __init__(self):
        self.first = None

    @tf.function
    def DegreeTwo(self,y):

        self.tf_x = x
        self.tf_y = y

        if self.first is None:
            self.first = 1
            self.tf_a = tf.Variable(0.1,trainable=True)
            self.tf_b = tf.Variable(0.2,trainable=True)
            self.tf_c = tf.Variable(0.3,trainable=True)

        tf_y_model = tf.multiply(self.tf_a,self.tf_x) + self.tf_c

        tf_error = tf.reduce_mean(tf.square(self.tf_y - tf_y_model))

        op = tf.compat.v1.train.GradientDescentOptimizer(learning_rate=0.00000002)
        for _ in range(100):
            op.minimize(loss=tf_error,self.tf_c


x = LinReg()
a,c = x.DegreeTwo(x_train,y_train)
print("\nA=",c)

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）