tensorflow 代码问题求解
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?