我設計了一個自定義層，用于這樣的用途：
class SquaredWeightedLayer(tf.keras.layers.Layer):
def __init__(self, units=1):
super(SquaredWeightedLayer, self).__init__()
self.units = units
def build(self, input_shape):
self.w = self.add_weight(shape=(input_shape[-1], self.units), initializer="random_normal", trainable=True)
self.square_w = self.w ** 2
self.b = self.add_weight(shape=(self.units,), initializer="zeros", trainable=True)
super(SquaredWeightedLayer, self).build(input_shape)
def call(self, inputs):
return tf.sigmoid(tf.add(tf.matmul(inputs, self.square_w), self.b))
但是，tape.gradient(loss, self.w)回傳None并tape.gradient(loss, self.square_w)回傳正常值。損失是binary_crossentropy。
我將非常感謝任何解決此問題的建議。謝謝！
uj5u.com熱心網友回復：
問題是 的計算self.w ** 2已經在build函式中執行，在任何磁帶背景關系之外，因此 Tensorflow 無法追蹤square_w實際來自 的計算w，導致梯度為None。您可以通過簡單地將平方運算移入來修復它call：
def call(self, inputs):
return tf.sigmoid(tf.add(tf.matmul(inputs, self.w**2), self.b))
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/382724.html
上一篇：Keras方法image_dataset_from_directory()如何區分X和Y資料？
下一篇：從.txt中洗掉引號