使用 TensorFlow 2.3，在 Ubuntu 18.04 上，在 Python 中，我想訓練一個殘差網絡來生成熱圖。我是TF的新手。到目前為止，我可以解決所有問題，直到出現No gradients provided for any variable異常。我能夠使用以下基本代碼重現異常。import tensorflow as tfdef dummy_image_float(w,h):? ? return tf.constant([0.,]*(h*w*3), shape=[1,w,h,3], dtype=tf.float32)def dummy_result(w,h,nfeature):? ? return tf.constant([0,]*(h*w*nfeature), shape=[1,w,h,nfeature], dtype=tf.float32)model = tf.keras.applications.ResNet101V2(? ? ? ? include_top=False,? ? ? ? #input_tensor=x1,? ? ? ? weights='imagenet',? ? ? ? input_shape=(224, 224, 3),? ? ? ? pooling=None? ? ? ? )model.compile(optimizer='adam', loss="mean_squared_error", run_eagerly=True)train_ds = [ (dummy_image_float(224,224), dummy_result(7,7,2048)) ]model.fit(train_ds, epochs=1)此代碼以“ValueError：沒有為任何變量提供梯度”結尾。我可以在互聯網上找到相關錯誤。我想我可以使用 tf.GradientTape 編寫自己的學習循環，但我希望上面的代碼能夠在不需要自定義學習循環的情況下工作。有誰知道為什么上面的代碼失敗了？經過一番挖掘，這就是我想出的。import tensorflow as tfdef dummy_image_float(w,h):? ? return tf.constant([0.,]*(h*w*3), shape=[1,w,h,3], dtype=tf.float32)def dummy_result(w,h,nfeature):? ? return tf.constant([0,]*(h*w*nfeature), shape=[1,w,h,nfeature], dtype=tf.float32)model = tf.keras.applications.ResNet101V2(? ? ? ? include_top=False,? ? ? ? weights='imagenet',? ? ? ? input_shape=(224, 224, 3),? ? ? ? pooling=None? ? ? ? )train_ds = [ (dummy_image_float(224,224), dummy_result(7,7,2048)) ]opt = tf.keras.optimizers.Adam()loss_fn = lambda: tf.keras.losses.mse(model(input), output)for input, output in train_ds:? opt.minimize(loss_fn, model.trainable_weights)我仍然不知道為什么原始代碼會生成無梯度異常（因此我不認為此編輯是答案）。