磁带=如果磁带不是None-else，则为磁带backprop.GradientTape（）

Question

import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
def line(x):
  return 2*x+4
X = np.arange(0,20)
y = [k for k in line(X)]
a = tf.Variable(1.0)
b = tf.Variable(0.2)

y_in = a*X + b
loss = tf.reduce_mean(tf.square(y_in - y))
#this is my old code
#optimizer = tf.train.GradientDescentOptimizer(0.2)
#train = optimizer.minimize(loss)

#new Code
optimizer = tf.optimizers.SGD (0.2)
train = optimizer.minimize(loss,var_list=[a,b])

///错误

ValueError回溯（最近一次调用上次） 在（） ----&燃气轮机；1列=优化器。最小化（损失，变量列表=[a，b]）

1帧 /usr/local/lib/python3.7/dist-packages/tensorflow/python/keras/optimizer\u v2/optimizer\u v2.py in\u compute\u梯度（自、损耗、变量列表、梯度损耗、磁带） 530#TODO（josh11b）：测试我们是否以合理的方式处理重量衰减。 531如果不可调用（丢失）且磁带无： --&燃气轮机；532 raise VALUE ERROR（“tape在传递Tensor丢失时需要tape”） 533磁带=如果磁带不是None else，则为磁带backprop.GradientTape（） 534

ValueError:tape是传递Tensor丢失时必需的

Answer 1

你还有更多的路要走！您需要计算梯度，然后使用优化器更改变量。我修改了你的代码。另外，你的损失函数也不太好用

import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf

def line(x):
  return 2*x+4
X = np.arange(0,20)
y = tf.constant(np.array([k for k in line(X)], dtype=np.float32))
a = tf.Variable(1.0, trainable=True)
b = tf.Variable(0.2, trainable=True)

def objective_fun(X):
    y_in = a * X + b
    return y_in


def loss_fun(y_true, y_pred):
    # loss = tf.reduce_mean(tf.square(y_true - y_pred))
    loss = tf.reduce_mean(tf.abs(y_pred - y_true))
    return loss

optimizer = tf.optimizers.SGD (0.01)

MAX_ITER = 1000
for it in range(MAX_ITER):
    with tf.GradientTape() as tape:
        y_pred = objective_fun(X)
        loss = loss_fun(y_pred, y)
    grad = tape.gradient(loss, [a, b])
    optimizer.apply_gradients(zip(grad, [a, b]))
    print(loss.numpy())

这是优化的结果：

a.numpy(), b.numpy()

（1.9880208，3.8429925）