以下是我的代码
<pre><code>import tensorflow as tf
import numpy as np
def forward(x):
z = tf.Variable(tf.zeros_like(x), train
我正在使用 LSTM 构建一个序列到一个模型的预测。我的数据有 4 个输入变量和 1 个需要预测的输出变量
我有一个经过训练的 LSTM 模型。我想计算输出 w.r.t 输入的雅可比矩阵。我写了以下代码：
<pre><code>dat
我正在尝试在 TF2.x 上实现梯度累积。我发现的所有实现都适用于 TF1.x 或旧的 keras 接口。我不认为有实
我创建了一个模型类，它是 keras.Model 的子类。在训练模型时，我想在一些时期后改变损失函数的权重。
我正在尝试使用 Keras 和 TF2 训练一个分支模型，其结构类似于此图像 <a href="https://i.stack.imgur.com/wvwYX.png"
需要我的损失函数来计算雅可比矩阵行列式的对数。所以，我写了下面的代码
<pre><code>def gradient_update
仅出于教育目的，我试图在 TensorFlow 主页上的 <a href="https://www.tensorflow.org/guide/basic_training_loops" rel="nofollo
以下代码是对我的训练循环的 3 种不同测试，在前两种情况下，梯度返回 Null 向量，在最后一种情况下
我想构建一个带有一个隐藏层的 GRU 单元，但我想在每个时间步获取隐藏状态。我想训练 GRU 单元 10 次，
我正在重新组织我的代码以使其易于阅读，但是在编译时它说：
<code>ValueError: No gradients provided for any vari
我正在构建一个带有自定义损失函数的 DNN，我正在使用 TensorFlow.keras<code>enter code here</code> 中的 Gradient Ta
我正在 TensorFlow 2.3 中训练模型
我想查看模型不同层的梯度值。
我知道如何访问模型的层。</p
我正在努力建立一个深度生存模型，并从一个简单的比例风险模型开始，混合使用 keras 和非 keras tensorflo
<strong>1.演员评论模型</strong>
使用 tf.gradienttape，
<pre><code>loss_function = mse or huber or cross-entropy
</cod
我的训练循环给了我以下警告：
<块引用>
警告：tensorflow：在最小化损失时，变量 ['noise:0'] 不存在
我希望能够根据给定批次中发生的实例计算条件损失（两种不同的损失）。我正在从头开始编写自定义 t
我正在尝试为由两个单独的 <code>tf.keras.Model</code> 对象组成的变分自编码器 (VAE) 编写自定义训练循环。
这是我的模型。我使用的是 Tensorflow 2.4.1。
<pre><code>model = tf.keras.Sequential([
tf.keras.layers.Embedding(input
所以我创建了自己的神经网络，我想根据输入变量对它进行自动微分。我的神经网络代码是这样的
<pr
