我在尝试在TensorFlow中实现自己的损失函数时，总是得到None梯度。为了重现这个问题，我已经将程序简化为一个最小的例子。我定义了一个非常简单的模型：

import tensorflow as tfmodel = tf.keras.Sequential(    [        tf.keras.Input(shape=(3,), name="input"),        tf.keras.layers.Dense(64, activation="relu", name="layer2"),        tf.keras.layers.Dense(3, activation="softmax", name="output"),    ])

然后定义了一个非常简单（但可能无用）的损失函数：

def dummy_loss(x):  return tf.reduce_sum(x)def train(model, inputs, learning_rate):  outputs = model(inputs)  with tf.GradientTape() as t:    current_loss = dummy_loss(outputs)  temp = t.gradient(current_loss, model.trainable_weights)train(model, tf.random.normal((10, 3)), learning_rate=0.001)

但是t.gradient(current_loss, model.trainable_weights)只返回一个None值的列表，即[None, None, None, None]。为什么会这样？我做错了什么？可能是我对TensorFlow的工作原理有误解吗？

回答：

你需要在GradientTape的上下文中运行（即前向传递）计算图或模型，这样模型中的所有操作才能被记录下来：

  with tf.GradientTape() as t:    outputs = model(inputs)  # 这行应该在上下文管理器内    current_loss = dummy_loss(outputs)