我目前正在尝试在Julia的Flux中实现批量更新。

在我的计算过程中，我通过重复执行以下操作获得一批标量：

δ = Gt - model(St)[1]push!(deltas,δ)

其中model是一个神经网络

global model= Chain(    Dense(statesize,10, leakyrelu),    Dense(10,10,leakyrelu),    Dense(10,1))

我最终得到了一个名为deltas的数组，我希望在第二个神经网络上执行批量梯度更新（批量大小=19），其中每个梯度由相应的delta加权。我编写的更新函数是

function vupdate2!(S_batch,model,α,deltas)   function v_loss_total(x)       return sum(reshape(deltas,(1,19)) .* model(x))   end   local ps = Flux.params(model)   local gs = Flux.Tracker.gradient(() -> v_loss_total(S_batch), ps)   for p in ps       Flux.Tracker.update!( p,  α.* gs[p])   endend

问题是，计算梯度的行抛出了一个错误：MethodError: no method matching Float32(::Tracker.TrackedReal{Float64})

我认为问题在于我的delta数组被跟踪了。查看v_loss_total函数在随机输入下的输出，我得到：

julia> v_loss_total(S_batch)-6752.433690476287 (tracked) (tracked)

有趣的是，这个数字被跟踪了两次（？），我猜这是因为将两个被跟踪的数字相乘（即deltas和model(S_batch)的条目）。有没有办法先取消delta数组的跟踪？我非常感谢任何帮助。

回答：

好的，事实证明，有一个函数

Flux.Tracker.data()

它正好满足我的需求。它接受一个被跟踪的数字并返回Float本身。另见：https://github.com/FluxML/Flux.jl/issues/640