Tensorflow：“错误：没有为任何变量提供梯度”，且存在自定义损失

问题描述

尝试运行代码时出现错误

ValueError: No gradients provided for any variable

这是我的代码的样子

optimizer = tf.keras.optimizers.Adam(learning_rate=1e-2)

while True:
    #...other stuff

    if(isTimetoBackprop()):
         vstates = model.predict(modelInput)
         tdTargets = tf.ones(vstates.shape)

         loss = tf.math.reduce_mean(tf.math.squared_difference(vstates,tdTargets))

         callable = lambda : criticLoss
         optimizer.minimize(callable,var_list=model.trainable_variables)
   

涉及的所有变量均为类型

<class 'tensorflow.python.framework.ops.EagerTensor'>

我误会什么？

解决方法

假设您正在使用Tensorflow 2.x，如果尝试创建自定义训练步骤以跟踪模型梯度，则必须在tf.GradientTape上下文管理器下调用模型。

这里，您的代码已更新为可以与GradientTape一起正常使用：

optimizer = tf.keras.optimizers.Adam(learning_rate=1e-2)

while True:
    #...other stuff

    if isTimeToBackprop():
        with tf.GradientTape() as tape:
            vStates = model(modelInput)
            tdTargets = tf.ones(vStates.shape)
            loss = tf.math.squared_difference(vStates,tdTargets)
            loss = tf.reduce_mean(loss)
        
        gradients = tape.gradient(loss,model.trainable_variables)
        optimizer.apply_gradients(zip(gradients,model.trainable_weights))
        # At this point the model is updated

还请注意，我使用的是 call 方法，而不是使用model.predict，这是您训练时应该使用的方法