我想在训练中执行以下步骤：
-
创建一个线性张量：目标=权重 * X
-
选择顶部目标值并丢弃所有其他样本。
-
获取对应的标签，即Y。
-
使用梯度下降优化器，最小化sum(Y)并获取拟合变量(W)
代码
from tensorflow.python.framework import opsimport numpy as npimport tensorflow as tfsess = tf.Session()X=tf.placeholder(shape=[None,2], dtype=tf.float32)Y=tf.placeholder(shape=[None,1], dtype=tf.float32)W = tf.Variable(tf.random_normal(shape=[2, 1]), dtype=tf.float32)target=tf.matmul(X, W)flattened=tf.reshape(target,[-1])selected_targets, keys=tf.nn.top_k(flattened, k=100)#get corresponding Yselected_y = tf.gather(Y, keys)#now we have top 100 selected_targets, and selected_y, train and evaluate W, and fit minimal sum(Y)train_target = tf.reduce_sum(selected_y) #But if use selected_targets instead of selected_y, it would run successfully, why?optimizer = tf.train.GradientDescentOptimizer(1)train = optimizer.minimize(train_target)# trainingx_vals = np.random.rand(1000,2)y_vals = np.random.rand(1000,1)sess.run(tf.global_variables_initializer())sess.run(tf.local_variables_initializer())sess.run(train, {X: x_vals, Y:y_vals})print(sess.run([W]))我遇到了这个错误：
ValueError: 没有为任何变量提供梯度，请检查您的图形中是否有不支持梯度的操作，变量[“”]和损失Tensor(“Sum:0”, shape=(), dtype=float32)之间。
有人能帮助解决这个问题吗？我发现当在张量上应用tf.nn.top_k时会发生这种情况。但为什么呢？
回答：
它之所以这么说，是因为没有梯度。你创建的图形是不可微分的，因为keys是唯一连接损失和W变量的东西，而keys是不可微分的整数。
