TensorFlow GAN训练报错：No gradients provided for any variable 求解

• 模型变量未关联到损失计算：如果训练时生成器的输出没有传入判别器，或者判别器处理真实/生成样本时用了两个完全独立的权重实例，会导致模型变量根本没参与损失的前向传播，自然没有梯度可计算。
• 梯度传递被强制阻断：检查生成器到判别器的数据流中，是否误用了tf.stop_gradient()，或者把TensorFlow张量转换成了numpy数组再操作——这类操作会切断计算图的梯度链路，让上游变量无法得到梯度。
• 优化器绑定的变量集合错误：确认生成器优化器只绑定生成器的变量（比如generator.trainable_variables），判别器优化器对应绑定判别器的变量。如果不小心传入了空列表或无关变量，优化器就找不到需要更新的梯度。
• 损失函数逻辑失效：比如损失计算时维度处理错误（比如tf.reduce_mean()用错了轴），导致损失变成一个与模型参数无关的常数；或者标签逻辑搞反（比如把真实样本标为0、生成样本标为1，但损失函数的逻辑完全不匹配），让损失对参数变化毫无反应。
• 模型层连接断裂：仔细检查生成器和判别器的层串联逻辑，比如有没有某一层的输出没有作为下一层的输入，导致部分或全部模型变量没参与前向计算。比如判别器的特征层没有连接到最终的分类输出节点，损失就无法关联到前面的卷积/全连接层变量。

内容的提问来源于stack exchange，提问作者Pratik Choudhuri