tf.keras получает вычисленный градиент во время обучения

Следуя тому, что здесь написано, я пытался получить вычисленный градиент во время обучения с использованием tf.keras, в итоге я получил следующую функцию обратного вызова, которая вызывается во время фазы настройки:

Используемая сеть является очень стандартной, полностью связанной и последовательной.

r = network.fit(x=trn.X,y=trn.Y,verbose=2,batch_size=50,epochs=50,callbacks=[reporter,])

def on_train_begin(self, logs={}):

    # Functions return weights of each layer
    self.layerweights = []
    for lndx, l in enumerate(self.model.layers):
        if hasattr(l, 'kernel'):
            self.layerweights.append(l.kernel)

    input_tensors = [self.model.inputs[0],
                     self.model.sample_weights[0],
                     self.model.targets[0],
                     K.learning_phase()]

    # Get gradients of all the relevant layers at once
    grads = self.model.optimizer.get_gradients(self.model.total_loss, self.layerweights)
    self.get_gradients = K.function(inputs=input_tensors,outputs=grads) # <-- Error Here

которые вызывают следующее сообщение об ошибке:

~\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\eager\lift_to_graph.py in (.0)
    312   # Check that the initializer does not depend on any placeholders.
    313   sources = set(sources or [])
--> 314   visited_ops = set([x.op for x in sources])
    315   op_outputs = collections.defaultdict(set)
    316 

AttributeError: 'NoneType' object has no attribute 'op'

Есть идеи, как это решить? Уже читал этот и этот, но не повезло

Источник

2 ответа

Решение

Решена проблема с использованием более старой версии keras(v. 2.2.4) и tensorflow (1.13.1) на python 3.6.9.

Источник 
AttributeError: 'NoneType' object has no attribute 'op'

означает, что у вас есть объекты или атрибуты None.
Чтобы справиться с этим, вы можете использовать это:

visited_ops = set([x.op for x in sources if x])
Источник
Другие вопросы по тегам