ValueError：沒有爲任何變量提供梯度

我正面臨着張量流的麻煩。執行以下代碼ValueError：沒有爲任何變量提供梯度

import tensorflow as tf 
import input_data 

learning_rate = 0.01 
training_epochs = 25 
batch_size = 100 
display_step = 1 

mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) 

# tensorflow graph input 
X = tf.placeholder('float', [None, 784]) # mnist data image of shape 28 * 28 = 784 
Y = tf.placeholder('float', [None, 10]) # 0-9 digits recognition = > 10 classes 

# set model weights 
W = tf.Variable(tf.zeros([784, 10])) 
b = tf.Variable(tf.zeros([10])) 

# Our hypothesis 
activation = tf.add(tf.matmul(X, W),b) # Softmax 

# Cost function: cross entropy 
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=activation, logits=Y)) 
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost) # Gradient Descen

我收到以下錯誤：

ValueError異常：目前沒有任何變量梯度，檢查你的圖表爲不支持漸變OPS，變量之間['張量（「變量/讀：0「，shape =（784,10），dtype = float32）'，'張量（」Variable_1/read：0「，shape =（10，），dtype = float32）']和損耗張量：0「，shape =（），dtype = float32）。

來源

2017-01-17 kevin moon

改變它，我通過args來改變解決了這個問題.. （標籤=激活，logits = Y）→（標籤= Y，logits =激活）這是一個邏輯問題。謝謝 –

此問題是由以下行造成的：tf.nn.softmax_cross_entropy_with_logits(labels=activation, logits=Y)

基於documentation你應該有

labels: Each row labels[i] must be a valid probability distribution.

logits: Unscaled log probabilities.

所以logits假設是你的假設，因此等於activation和有效的概率分佈是Y 。所以只要有tf.nn.softmax_cross_entropy_with_logits(labels=Y, logits=activation)

來源

2017-04-24 02:24:21

ValueError：沒有爲任何變量提供梯度

回答

相關問題