tensorflow 自定义损失 梯度为0 | 您所在的位置:网站首页 › pytorch自定义梯度计算 › tensorflow 自定义损失 梯度为0 |
输入是one_hot编码, 1类OK + N类 NG 。 OK固定是one_hot编码 第一位 OK和NG之间分对更重要,因此增加 自定义损失,尝试提升性能 如果设置, weight[0] =0.0 , weight[1] = 1.0 。 loss有值,但是,应用到调整网络梯度时, 网络所有层的梯度都是0 。 即,如代码示意损失,已经丢失帝都回传信息。 问题:怎样修改,才能实现带梯度回传信息的损失计算? 当进一步,计算 可train参数的梯度时 grads = tape.gradient(loss_value, self.model.trainable_weights) # grads 全是0
|
CopyRight 2018-2019 实验室设备网 版权所有 |