“使用复杂或简单(如下)模型，这些模型在与Sequential一起使用时工作良好。我尝试了各种层、优化器和数据集。当使用真实数据或下面的随机数时，也会出现同样的错误。from tensorflow import kerasfrom keras.models import Model
fromnumpy.r
浏览 74提问于2021-03-18得票数 0
我试图用以下代码使用图像数据集来训练我的模型：hidden_layer_size = 50
tf.keras.layers.Flatten(input_shape
浏览 4提问于2021-04-28得票数 1
回答已采纳
我在尝试让我的代码正常工作时遇到了一些问题from tensorflow import kerasimport()
model.add(keras.layers.Dense(units=units, activation='linear'))
model.add(
浏览 0提问于2020-08-01得票数 0
1回答
我正在尝试从TF2数据集中训练一个自定义的单词嵌入。我的文本已经被编码为整数，我的模型在示例数据集(即从加载的数据集)上工作得很好。但是，当我从(批)数据集中输入我的张量时，模型无法开始使用ValueError: No gradients provided for any variable: ['embed/embeddings:0导致相同错误的类似代码的示例：
import tensorflow
浏览 1提问于2020-07-03得票数 1
回答已采纳
([ keras.layers.Dense(128, activation='relu',name='l2'),keras.layers.Dense(1)
x_train = np.asarray([[2,3],[6,7],[1,5],[4,6],[10= model.trainable_
浏览 17提问于2019-10-04得票数 1
回答已采纳
这是我在下面的代码中得到的错误消息：就在它完成了整个层的构建()之后，使用了model.fit()。<tf.Variable 'Variable:0' shape=(1,) dtype=float>
我的目标是编写(基本)自定义层，并将其插入(basic)模型中。我尝试使用和不使用"build()"，在标签上使用
浏览 2提问于2020-05-28得票数 1
回答已采纳
1回答
没有为任何变量错误提供梯度。
、、、、
我正在使用创建一个模型。该层体系结构如下： output = tf.keras.layers.Dense在自定义训练循环上运行此操作时，我将得到错误
ValueError: No gradients provided for any variable: ([
浏览 2提问于2022-09-13得票数 -2
回答已采纳
1回答
我想把函数重写成Keras Functional API。但是，在TPU上运行它时，当我翻译它时，我发现在create_method函数中使用占位符时出现错误。在最初的示例中，作者没有将显式占位符放入create_method函数。我使用Keras输入函数，因为我需要实例化一个Keras张量来开始，显然这是一个占位符。m = t
浏览 30提问于2018-08-20得票数 1
= tf.contrib.eager
net = tf.keras.Sequential() net.add(tf.keras.layers.Dense(1))provided for <
浏览 3提问于2019-01-18得票数 27
回答已采纳
尽管有一些问题与相同的错误有关，但我不能解决我的问题。 我在试着为一个大学设计一个GAN。我的代码与下面的介绍示例非常相似 教程 从特遣部队的网站上。出现错误的代码行是： generator_optimizer.apply_gradients(zip(gradients_of_generator, generador.trainable_variablesdef create_generator(max_len, vocab_size):
model = t
浏览 38提问于2021-02-26得票数 0
回答已采纳
当我在自定义损失函数中使用K.round函数时，出现以下错误： ValueError: No gradients provided for any variable: ['sequential_20/dense_240/kernel:0', 'sequential_20/dense_240/bias:0', '
浏览 102提问于2020-10-19得票数 0
1回答
没有提供自定义梯度损失的渐变
、、、、
在.fit(..)期间引发的错误
ValueError: No gradients provided for any variable: (['dense/kernel:0', 'dense/bias:Provided `grads_and_vars` is ((None, <tf.Variable 'dense/kernel:0' shape=(10, 10) dt
浏览 3提问于2022-07-20得票数 2
回答已采纳
w_weights.trainable)在中不管有没有手表，我都试过了，但它总是通向No gradients provided for any variable关于模型初始
浏览 6提问于2022-05-25得票数 1
然后，在损失函数L = loss(outputs)中使用最终输出outputs = NN2(inputs2)。因此，当我们反向传播时，我们只需要更新NN1的权重model = keras.Sequential([ keras.
浏览 0提问于2019-10-05得票数 1
在我的代码中，我只是复制-粘贴了这个keras代码示例：import tensorflow as tffrom keras.layers import*from keras.layers.experimental import preprocessing
from keras i
浏览 111提问于2021-05-26得票数 0
回答已采纳
在我尝试以这种方式从tensorflow.keras向我的序列模型添加LSTM层的代码行中：from tensorflow.keras.layers[2]), activation='tanh', recurrent_activation='tanh', use_bias=True, return_sequences = True)
浏览 0提问于2020-03-05得票数 1
我正在做一个简单的Conv1D，使用TensorFlow Keras来尝试一个时间序列数据集。datatest = tf.convert_to_tensor(train_df)model = tf.keras.models.Sequential([ kernel_
浏览 5提问于2021-08-18得票数 0
回答已采纳
在TF1中以图形模式操作时，我认为在使用函数式API时，需要通过馈线将training=True和training=False连接起来。在TF2中做这件事的正确方法是什么？我相信这是在使用tf.keras.Sequential时自动处理的。例如，我不需要在下面的示例中从training中指定
model = t
浏览 12提问于2019-11-06得票数 8
回答已采纳
我正在尝试从csv加载一个数据集，并对可用的数据执行一些联邦学习。 我设法从给定的csv文件加载了一个联邦数据集，并加载了训练和测试数据。(): model = tf.keras.models.Sequential([
tf.keras.layers.LSTM(2, input_shape=(1, 2)
浏览 127提问于2021-07-17得票数 4
回答已采纳
2回答
在Keras上合并层(点积)
、、、、
向您展示如何构建skip-gram模型体系结构的步骤似乎已被弃用，因为使用了keras.layers中的合并层。from keras
浏览 0提问于2018-09-28得票数 5
回答已采纳
云服务器
ICP备案
云直播
即时通信 IM
实时音视频
腾讯云开发者
