我想按照以下步骤进行训练：
-
为线性创建张量：target = Weight * X.
-
选择最高目标值并删除所有其余样本 .
-
获取相应的标签，即Y.
-
使用GradientDescentOptimizer，最小化sum（Y）并得到拟合变量（W）
码
from tensorflow.python.framework import ops
import numpy as np
import tensorflow as tf
sess = tf.Session()
X=tf.placeholder(shape=[None,2], dtype=tf.float32)
Y=tf.placeholder(shape=[None,1], dtype=tf.float32)
W = tf.Variable(tf.random_normal(shape=[2, 1]), dtype=tf.float32)
target=tf.matmul(X, W)
flattened=tf.reshape(target,[-1])
selected_targets, keys=tf.nn.top_k(flattened, k=100)
#get corresponding Y
selected_y = tf.gather(Y, keys)
#now we have top 100 selected_targets, and selected_y, train and evaluate W, and fit minimal sum(Y)
train_target = tf.reduce_sum(selected_y) #But if use selected_targets instead of selected_y, it would run successfully, why?
optimizer = tf.train.GradientDescentOptimizer(1)
train = optimizer.minimize(train_target)
# training
x_vals = np.random.rand(1000,2)
y_vals = np.random.rand(1000,1)
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())
sess.run(train, {X: x_vals, Y:y_vals})
print(sess.run([W]))
我收到了这个错误：
ValueError：没有为任何变量提供渐变，检查图表中不支持渐变的ops，变量[“”]和损失Tensor（“Sum：0”，shape =（），dtype = float32） .
有人可以帮忙解决这个问题吗？我发现在张量上应用 tf.nn.top_k 时会发生这种情况 . 但为什么？
1 回答
它说这是因为没有渐变 . 您创建的图形是不可区分的，因为键是唯一将损失连接到W变量的键，而键是不可微分的整数 .