1. 虽然loss没有报错,但是我比较重要的部分代码不是可训练的,没有保存到模型的计算图中。
初始化:
保存中间变量的梯度:
最后打印保存的梯度:
结果就是[],说明我的这个参数并没有参与到计算图中,问题出在:
这是我的代码,但是就是太像是用算法去解决这个问题,而不是神经网络,就很容易参数就不能反向传播。
感觉神经网络主要是embedding在里面传,所以我就把类别转成embedding信息,然后就可以通过相似度计算等间接实现以上代码
1. 虽然loss没有报错,但是我比较重要的部分代码不是可训练的,没有保存到模型的计算图中。
初始化:
保存中间变量的梯度:
最后打印保存的梯度:
结果就是[],说明我的这个参数并没有参与到计算图中,问题出在:
这是我的代码,但是就是太像是用算法去解决这个问题,而不是神经网络,就很容易参数就不能反向传播。
感觉神经网络主要是embedding在里面传,所以我就把类别转成embedding信息,然后就可以通过相似度计算等间接实现以上代码