我正在尝试学习两个图像嵌入之间的相似矩阵(M)，训练的一个实例是一对图像 – (锚点, 正样本)。因此，理想情况下，模型将为相似图像的嵌入返回0距离。

问题是，当我将距离矩阵(M)声明为tf.Variable时，在这一行返回错误self.optimizer.apply_gradients(zip(gradients, self.trainable_variables))

TypeError: ‘Variable’ 对象不可迭代。

我认为我应该使用一个可迭代的tensorflow数据类型来表示M

请告诉我如何解决这个问题

回答：

Python的zip函数期望接收可迭代对象，例如列表或元组。

在调用tape.gradient或optimizer.apply_gradients时，你可以将你的变量放在列表中来解决这个问题：

with tf.GradientTape() as tape:  gradients = tape.gradient(loss_value, [self.trainable_variables])# 通过优化器应用梯度self.optimizer.apply_gradients(zip(gradients, [self.trainable_variables]))

tape.gradient会保留传递给其计算梯度的sources对象的形状，因此如果你传入一个列表，你将得到一个列表。这一点在文档中有说明：

返回一个列表或嵌套结构的张量（或IndexedSlices，或None），sources中的每个元素对应一个。返回的结构与sources的结构相同。