在 TensorFlow 2.0 中：使用 optimizer.apply_gradients 的训练错误

Question

我正在尝试学习新的 TF 2.0 alpha 版本。我正在为二进制分类目的训练一个Sequential 模型。我的数据表是df，它是一个 numpy 数组。 classification 是我必须预测的类的 one-hot 编码数据帧。

模型的定义很明确，因为它是损失函数和准确率函数以及 (Adam) 优化器的定义。 但是，我在训练时遇到错误：

loss_history = []
accuracy_history = []

for epoch in range(n_epochs):

    with tf.GradientTape() as tape:

        # compute binary crossentropy loss (bce_loss)
        current_loss = bce_loss(model(df), classification.astype(np.float64))
        loss_history.append(current_loss)

        # train the model based on the gradient of loss function
        gradients = tape.gradient(current_loss, model.trainable_variables)
        optimizer.apply_gradients([gradients, model.trainable_variables])  # optimizer = Adam


    # print the training progress
    print(str(epoch+1) + '. Train Loss: ' + str(metrics) + ', Accuracy: ' + str(current_accuracy))

print('\nTraining complete.')

此时，我收到指向optimizer.apply_gradients() 的错误。错误消息说：

ValueError：解包的值太多（预计 2 个）

我的错误在哪里？

我对此类错误进行了一些研究，但没有发现与此特定功能相关的任何有用信息。任何帮助表示赞赏。

Answer 1

试试这个：

optimizer.apply_gradients(zip(gradients, model.trainable_variables))