如何解决损失相对于模型输出的Tensorflow梯度给出无
我正试图根据training_step的{{1}}函数中的模型输出来区分损失函数。这是我的尝试：
tf.keras.Model我将 def train_step(self,data):
x,y = data
with tf.GradientTape(persistent=True) as tape1:
y_pred,dense_out = self(x,training=True)
with tf.GradientTape() as tape2:
tape2.watch(y_pred)
loss = self.compiled_loss(y,y_pred)
dy = tape2.gradient(loss,y_pred)
用于以后需要的渐变。首先，tape1给出了dy，我该如何解决？其次，是否允许在模型的None方法中使用training=True返回两个输出值，而在call中仅返回一个输出值？即使我不这样做，training=False还是dy吗？
编辑 ：如果我在None函数之外执行以下操作，则会得到与train_step不同的结果：
None版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
