当我使用compute_gradients计算BatchNorm V4的梯度时,为什么InceptionV4层的梯度是None?当我得到InceptionV4模型的梯度时。None的值出现在每个BatchNorm层中,我不确定这是否是一个bug。或者,BatchNorm层将没有渐变。
with slim.arg_scope(inception.inception_v4_arg_scope()):
logits, endpoints = inception.inception_v4(images,
num_classes=dataset.num_classes, is_training=True)
init_fn = get_init_fn()
# Specify the loss function:
one_hot_labels = slim.one_hot_encoding(labels, dataset.num_classes)
tf.losses.softmax_cross_entropy(logits, one_hot_labels)
total_loss = tf.losses.get_total_loss()
optimizer = tf.train.AdamOptimizer(learning_rate=0.01)
grads_and_vars = optimizer.compute_gradients(loss=total_loss)发布于 2017-04-26 15:01:01
我知道答案。
此错误是由于参数顺序颠倒造成的。
右边是:
tf.losses.softmax_cross_entropy(logits = logits, onehot_labels = one_hot_labels)https://stackoverflow.com/questions/43601526
复制相似问题