当我使用tensorflow 2.X完成与SVR结合的RNN时，grad的输出为None

问题描述

我正在尝试从张量流模型获取grad，但输出始终为None。我在做什么错了？

这是我的代码：

def tran_model():
    model = tf.keras.Sequential()
    model.add(layers.Dense(32))
    model.add(layers.Dense(64))
    model.add(layers.Dense(128))
    model.add(layers.Dense(64))
    model.add(layers.Dense(32))
    return model

model = tran_model()
svr = sklearn.svm.SVR()
for epoch in range(1000):
    for step,(x,y) in enumerate(train_db):
        logits = model(x)
        svr.fit(x,y)
        y_pred = svr.predict(x)
        mse_loss = tf.reduce_sum(tf.square(y-logits))
        grads = tape.gradient(loss,model.trainable_variables)

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@）