张量流梯度 - 获取所有 nan 值

我正在使用带有 anaconda 的 python 3，以及带有 eager eval 的tensorflow 1.12。

我正在使用它为暹罗网络创建三元组损失函数，并且需要计算不同数据样本之间的距离。

我创建了一个函数来创建距离计算，但无论我做什么，当我尝试计算它相对于网络输出的梯度时，它总是给我所有的纳米梯度。

这是代码：

def matrix_row_wise_norm(matrix):
    import tensorflow as tf
    tensor = tf.expand_dims(matrix, -1)

    tensor = tf.transpose(tensor, [0, 2, 1]) - tf.transpose(tensor, [2, 0, 1])
    norm = tf.norm(tensor, axis=2)
    return norm

在我使用的损失函数中

def loss(y_true, p_pred):
    with tf.GradientTape() as t:
    t.watch(y_pred)
        distance_matrix = matrix_row_wise_norm(y_pred)
        grad = t.gradient(distance_matrix, y_pred)

毕业就是全部nans。 我查了一下y_pred由合法的价值观组成 - 确实如此。 我尝试创建一个渐变y_pred * 2相对于其自身并获得合法的梯度值。

我在这里缺少什么？创建距离矩阵时的索引是否有问题？

edit:

两者的 dtypey_pred and loss is tf.float32

编辑：找到一个打开错误报告 https://github.com/tensorflow/tensorflow/issues/12071在 tf - 这可能是问题所在吗？

edit:

当我将范数轴更改为 0 或 1 时，我得到了合法的值，但没有任何结果nan。我正在使用规范进行的操作axis=2是矩阵中行对之间的成对距离，我怀疑这可能与行到自身之间的距离为 0 有关，因此我用最小值 1e-7 剪裁了这些值，但没有任何运气。

Thanks

正如所解释的，似乎 tf.norm 遭受数字不稳定的困扰here https://github.com/tensorflow/tensorflow/issues/12071

他们还建议使用数值更稳定的 l2 范数，所以我尝试了这一点，也得到了 nan 值，这要归功于 0 梯度。所以我将它们与梯度裁剪一起使用，到目前为止一切顺利，损失函数正在工作并设法收敛。

def last_attempt(y_true, y_pred):
    import tensorflow as tf
    import numpy as np

    loss = tf.zeros(1)

    for i in range(y_pred.shape[0]):
        dist = tf.gather(y_pred, [i], axis=0)
        y = y_true.numpy().squeeze()
        norm = tf.map_fn(tf.nn.l2_loss, dist-y_pred)

        d = norm.numpy()
        d[np.where(y != y[i])] = 0.0
        max_pos = tf.gather(norm, np.argmax(d))

        d = norm.numpy()
        d[np.where(y == y[i])] = np.inf
        min_neg = tf.gather(norm, np.argmin(d))

        loss += tf.clip_by_value(max_pos - min_neg + tf.constant(1, dtype=tf.float32),
                                 1e-8, 1e1)

    return loss

该功能还有很大的优化空间，这里参考我的另一个所以问题 https://stackoverflow.com/questions/54388794/python-tensorflow-l2-loss-over-axis- 正在努力。