WARNING:tensorflow:Gradients do not exist for variables when minimizing the loss.

• 情況一
  該變量沒有參與最后loss的計算

  （1）如果直接沒有參與計算，其實很好就能找出來，刪掉無用變量即可；
  （2）有時直接參與計算了，但是由于程序中的 if 等條件語句，在某個batch的數(shù)據(jù)恰巧不適用某個變量，而其他batch可能就是使用了該變量，這種情況下，忽略該警告即可。

• 情況二
  該變量在 model 的 call 之前就進行了運算，或者在 tf.GradientTape() 之外進行了運算，比如：concat，dense之類的都不行。

• 情況三
  錯誤寫法：
  創(chuàng)建一個變量或者常量，將計算出的結(jié)果一行一行 assign 進去
  修改后的寫法：
  創(chuàng)建一個空 list，每次將計算出的結(jié)果 append 加入，最后使用 tf.stack() 操作

import tensorflow as tfoptimizer = tf.keras.optimizers.Adam(learning_rate=0.001) w1 = tf.Variable([[1.0]]) w2 = tf.Variable([[3.0]])w = tf.concat([w1, w2], 0) # 變量在tf.GradientTape()范圍之外就進行了計算x = tf.random.normal((1,2)) y = tf.reduce_sum(x,1) with tf.GradientTape() as tape:# w = tf.concat([w1, w2], 0) # 這里使用就不會報錯了r = tf.matmul(w,x)loss = tf.metrics.mse(y, r)gradients = tape.gradient(loss, [w1,w2])print(gradients) # [None, None]optimizer.apply_gradients(zip(gradients, [w1,w2])) # 沒有梯度，這行就會報錯

最后：這類型問題百度沒什么解答，github上討論的人很多。

總結(jié)

以上是生活随笔為你收集整理的tf2： Gradients do not exist for variables when minimizing the loss.的全部內(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，歡迎將生活随笔推薦給好友。