tensorflow 代码问题求解

m0_57756523 2021-05-05 04:52:55

import tensorflow as tf import numpy as np import pandas as pd from sklearn.datasets import load_iris#导入数据集合 x_data=load_iris().data#导入特征数据集合 y_data=load_iris().target#导入标签数据集合 x_train=x_data[:-30]#特征数据数据训练集 x_test=x_data[-30:]#特征数据数据测试集 y_train=y_data[:-30]#标签数据训练集 y_test=y_data[-30:]#标签数据测试集 np.random.seed(1)#随机种子，保持看乱序一致 np.random.shuffle(x_train)#乱序 np.random.seed(1) np.random.shuffle(y_train)#乱序 tf.random.set_seed(111) train_db=tf.data.Dataset.from_tensor_slices((x_train,y_train)).batch(32)#数据切割把数组切位单独张量后，对数据打包 # for i in train_db: # print(i) w=tf.Variable(tf.random.truncated_normal([4,3],seed=1))#初始化参数，并设定为可训练变量 b=tf.Variable(tf.random.truncated_normal([3],seed=1))#初始化参数，并设定为可训练变量 epoch=100 loss_all=0 train_loss_result=[] test_acc=[] lr=0.2 # for i in epoch for step,(x,y) in enumerate(train_db): with tf.GradientTape() as tape: x=tf.cast(x,dtype="float64") # print(x) w=tf.cast(w,dtype="float64") # print(w) b=tf.cast(b,dtype="float64") y_train=tf.one_hot(tf.cast(y,dtype="int32"),depth=3) y_test=tf.one_hot(tf.cast(y_test,dtype="int32"),depth=3) y_pred=tf.matmul(x,w)+b loss=tf.nn.softmax_cross_entropy_with_logits(y_train,y_pred) loss_mean=tf.reduce_mean(loss) # print(loss_mean) grad=tape.gradient(loss_mean,[w,b]) # w=w-lr*grad[0] # b=b-lr*grad[1] print(type(grad[0])) if step==1: break # # loss_all+=loss_mean 运行结果： <class 'tensorflow.python.framework.ops.EagerTensor'> <class 'NoneType'> 上面代码，在进行循环是，第一次step循环，在计算w,b 梯度是，有值，进入第二次循环是，报出空值，感谢大神求解问题在哪？

...全文