python - Tf 2.0 : RuntimeError: GradientTape.gradient 只能在非持久性磁带上调用一次

Question

在tensorflow 2.0 指南中的 tf 2.0 DC Gan 示例中，有两个梯度磁带。见下文。

@tf.function
def train_step(images):
    noise = tf.random.normal([BATCH_SIZE, noise_dim])

    with tf.GradientTape() as gen_tape, tf.GradientTape() as disc_tape:
      generated_images = generator(noise, training=True)

      real_output = discriminator(images, training=True)
      fake_output = discriminator(generated_images, training=True)

      gen_loss = generator_loss(fake_output)
      disc_loss = discriminator_loss(real_output, fake_output)

    gradients_of_generator = gen_tape.gradient(gen_loss, generator.trainable_variables)
    gradients_of_discriminator = disc_tape.gradient(disc_loss, discriminator.trainable_variables)

    generator_optimizer.apply_gradients(zip(gradients_of_generator, generator.trainable_variables))
    discriminator_optimizer.apply_gradients(zip(gradients_of_discriminator, discriminator.trainable_variables))

正如你可以清楚地看到有两个渐变磁带。我想知道使用单个磁带有什么区别并将其更改为以下

@tf.function
def train_step(images):
    noise = tf.random.normal([BATCH_SIZE, noise_dim])

    with tf.GradientTape() as tape:
      generated_images = generator(noise, training=True)

      real_output = discriminator(images, training=True)
      fake_output = discriminator(generated_images, training=True)

      gen_loss = generator_loss(fake_output)
      disc_loss = discriminator_loss(real_output, fake_output)

    gradients_of_generator = tape.gradient(gen_loss, generator.trainable_variables)
    gradients_of_discriminator = tape.gradient(disc_loss, discriminator.trainable_variables)

    generator_optimizer.apply_gradients(zip(gradients_of_generator, generator.trainable_variables))
    discriminator_optimizer.apply_gradients(zip(gradients_of_discriminator, discriminator.trainable_variables))

这给了我以下错误：

RuntimeError: GradientTape.gradient can only be called once on non-persistent tapes.

我想知道为什么需要两盘磁带。到目前为止，关于 tf2.0 API 的文档很少。任何人都可以解释或指出正确的文档/教程吗？

标签： pythonpython-3.xtensorflowtensorflow2.0

Answer 1

从以下文档：GradientTape

默认情况下， GradientTape 持有的资源会在调用 GradientTape.gradient() 方法后立即释放。要在同一计算中计算多个梯度，请创建一个持久梯度磁带。这允许对 gradient() 方法的多次调用，因为当磁带对象被垃圾回收时资源被释放。

可以使用创建持久渐变with tf.GradientTape(persistent=True) as tape并且可以/应该手动删除del tape（此@zwep，@Crispy13 的学分）。