在實(shí)驗(yàn)中遇到這個(gè)問題：ValueError: None values not supported.
經(jīng)查閱資料發(fā)現(xiàn)，是因?yàn)橛械淖兞繘]有被求梯度，因此在計(jì)算利用梯度反向更新時(shí)會(huì)造成這種錯(cuò)誤。這里，我的代碼是：

update_ops = tf.get_collection(tf.GraphKeys.UPDATE_OPS)with tf.control_dependencies(update_ops):optimizer = tf.train.MomentumOptimizer(learning_rate, momentum=FLAGS.momentum, use_nesterov= True, name='Momentum') #定義優(yōu)化器grads_and_vars = optimizer.compute_gradients(total_loss) #計(jì)算梯度update_op = optimizer.apply_gradients(grads_and_vars, global_step=global_step) #定義反向傳播操作

代碼出錯(cuò)的位置：

for g, v in grads_and_vars:tf.summary.histogram(v.name[:-2] + '_hist', v)tf.summary.histogram(v.name[:-2] + '_grad_hist', g)

在繪制梯度分布直方圖時(shí)，報(bào)錯(cuò)。
后經(jīng)排查，是我的total_loss由兩部分組成，然而，由于我的大意，在計(jì)算total_loss時(shí)只包含進(jìn)了一部分，因此在計(jì)算梯度時(shí)自然有一部分變量無法計(jì)算得到其梯度值，這一部分的梯度為None。因此在繪制直方圖時(shí)會(huì)報(bào)values為None的錯(cuò)誤。

總之在遇到此類問題時(shí)，應(yīng)該考慮到是否是自己的計(jì)算圖中某些值無法計(jì)算梯度而導(dǎo)致整個(gè)圖產(chǎn)生梯度撕裂。然后可以使用下面這種方法來排查哪個(gè)變量沒有被計(jì)算梯度：

for g, v in grads_and_vars:print("*****", v.name, g)

梯度打印值為None的變量即為問題所在。

總結(jié)

以上是生活随笔為你收集整理的tf之ValueError: Tried to convert ‘values‘ to a tensor and failed. Error: None values not supported的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。