运行Deep-Virtual-Try-on代码遇Adam.get_updates参数错误求助

错误原因 #

原代码是针对TensorFlow 1.x/旧版Keras编写的，而TensorFlow 2.x中Keras优化器的get_updates()方法签名发生了变更：

• 旧版签名：get_updates(params, grads, loss)
• TF2.x签名：get_updates(loss, params)

你传入的weightsD,[],loss_D对应旧版的三个参数，但TF2.x的方法只接受loss和params两个参数，因此触发参数数量不匹配的错误。

修复方案 #

方案1：适配TF2.x的get_updates()参数顺序 #

直接调整参数顺序，并移除多余的空梯度列表，同时注意TF2.x中lr参数已更名为learning_rate：

# 替换原错误代码行
training_updates = Adam(learning_rate=lrD, beta_1=0.5).get_updates(loss_D, weightsD)

方案2：改用TF2.x推荐的梯度带（GradientTape）训练模式 #

这是TF2.x的标准训练方式，更易维护且兼容性更好：

# 初始化优化器（注意使用learning_rate替代lr）
optimizer_D = Adam(learning_rate=lrD, beta_1=0.5)

# 使用GradientTape计算梯度并生成更新操作
with tf.GradientTape() as tape:
    # 保留原代码中loss_D的计算逻辑
    loss_D = ...  # 你的损失计算代码

grads = tape.gradient(loss_D, weightsD)
training_updates = optimizer_D.apply_gradients(zip(grads, weightsD))

额外注意事项 #

• 若代码中还有其他TF1.x风格的API（如tf.Session()、tf.placeholder()等），可能需要进一步适配TF2.x的执行模式；
• 建议优先使用方案2，因为它更符合TF2.x的设计理念，也能避免更多旧API的兼容性问题。

内容的提问来源于stack exchange，提问作者Amanchi Kishorebabu