TensorFlow 2 自定义损失：“没有为任何变量提供梯度”错误

Posted 2023-02-23

【中文标题】TensorFlow 2 自定义损失：“没有为任何变量提供梯度”错误

【英文标题】：TensorFlow 2 custom loss: "No gradients provided for any variable" error

【发布时间】：2020-04-05 03:51:07

【问题描述】：

我有一个必须在 TensorFlow 2 中解决的图像分割问题。

特别是我有一个训练集，由航空图像及其各自的蒙版组成。在蒙版中，地形以黑色着色，建筑物以白色着色。目的是预测测试集中图像的掩码。

我使用带有最终 Conv2DTranspose 的 UNet，带有 1 个过滤器和 sigmoid 激活函数。在最终的 sigmoid 层的输出上通过以下方式进行预测：如果 y_pred>0.5，则为建筑物，否则为背景。

我想实现一个骰子损失，所以我写了以下函数

def dice_loss(y_true, y_pred):
    print("[dice_loss] y_pred=",y_pred,"y_true=",y_true)
    y_pred = tf.cast(y_pred > 0.5, tf.float32)
    y_true = tf.cast(y_true, tf.float32)
    numerator = 2 * tf.reduce_sum(y_true * y_pred)
    denominator = tf.reduce_sum(y_true + y_pred)

    return 1 - numerator / denominator

我通过以下方式传递给 TensorFlow：

loss = dice_loss
optimizer = tf.keras.optimizers.Adam(learning_rate=config.learning_rate)
metrics = [my_IoU, 'acc']
model.compile(optimizer=optimizer, loss=loss, metrics=metrics)

但在训练时 TensorFlow 向我抛出以下错误：

ValueError：没有为任何变量提供渐变：

【参考方案1】：

问题在于您的损失函数（显然）。特别是下面的操作。

y_pred = tf.cast(y_pred > 0.5, tf.float32)

这不是可微分运算。这导致渐变为无。将您的损失函数更改为以下内容，它将起作用。

def dice_loss(y_true, y_pred):
    print("[dice_loss] y_pred=",y_pred,"y_true=",y_true)
    y_true = tf.cast(y_true, tf.float32)
    numerator = 2 * tf.reduce_sum(y_true * y_pred)
    denominator = tf.reduce_sum(y_true + y_pred)

    return 1 - numerator / denominator