Tensorflow 中的变量没有梯度

Question

我正在学习在 Tensorflow 中训练变量。 但我什至无法让最简单的情况正确。 以下代码将产生ValueError: No gradients provided for any variable 。 有谁能帮助我吗？ 谢谢！

import tensorflow as tf
import click
tf.compat.v1.enable_eager_execution()
#tf.config.run_functions_eagerly(True)

@click.command()
@click.option('--lr', default = 0.001)
@click.option('--epochs', default = 10)
def main(lr, epochs):
    optimizer = tf.optimizers.Adam(learning_rate=lr)

    v = tf.Variable([0,0],trainable=True)
    w = tf.convert_to_tensor([1,1])

    def loss():
        loss_value = tf.reduce_sum(tf.square(v-w))
        return loss_value

    variables = [v]
    for epoch in range(epochs):
        optimizer.minimize(loss,variables)
        #print("epoch ", epoch, ": loss: ",loss_value.numpy())

if __name__ == '__main__':
    main()

Answer 1

嗨，这个错误可以通过提及创建的每个变量的数据类型来解决。 v = tf.Variable([0,0],trainable=True,dtype=tf.float32) w = tf.convert_to_tensor([1,1],dtype=tf.float32)