Question

我正在将一些 TF1 代码迁移到 TF2。对于完整代码，您可以查看 here 行 [155-176]。 TF1 中有一条线在给定损失（浮点值）和 (m, n) 张量的情况下获得梯度

编辑：问题仍然存在

注意：TF2 代码应该兼容并且应该在 tf.function

g = tf.gradients(-loss, f)  # loss being a float and f being a (m, n) tensor
k = -f_pol / (f + eps)  # f_pol another (m, n) tensor and eps a float
k_dot_g = tf.reduce_sum(k * g, axis=-1)
adj = tf.maximum(
    0.0,
    (tf.reduce_sum(k * g, axis=-1) - delta)
    / (tf.reduce_sum(tf.square(k), axis=-1) + eps),
)
g = g - tf.reshape(adj, [nenvs * nsteps, 1]) * k
grads_f = -g / (nenvs * nsteps)
grads_policy = tf.gradients(f, params, grads_f)  # params being the model parameters

在 TF2 代码中我正在尝试：

with tf.GradientTape() as tape:
    f = calculate_f()
    f_pol = calculate_f_pol()
    others = do_further_calculations()
    loss = calculate_loss()
g = tape.gradient(-loss, f)

但是，无论我使用 g = [None] 还是创建具有 tape.watch(f) 值的 tf.Variable，甚至在 f 中使用 tf.gradients() }} 因为否则，它会抱怨。

Answer 1

很可能是以下情况之一

在由 tf.Variable 修饰的函数中定义 @tf.funtion 吗？
某些变量是 numpy.array 而不是 tf.Tensor
您在装饰函数内部更改了一些外部变量（即全局变量）。

从 tf.gradients() 到 tf.GradientTape() 的转换返回 None

1 个答案: