TensorFlow自定义GIoULoss出现No gradients provided错误问询

你遇到的无梯度报错是因为损失函数中存在破坏TensorFlow梯度计算链路的操作：

• 调用.numpy()将张量转换为Numpy数组，脱离了TensorFlow的计算图跟踪范围
• 使用Python原生循环、列表推导、if分支判断等非图兼容的操作，无法被TensorFlow的自动求导系统识别

全程使用TensorFlow原生张量操作实现逻辑，不做Numpy转换，也不用手动遍历batch，修改后的代码如下：

import tensorflow as tf
import tensorflow_addons as tfa

gl = tfa.losses.GIoULoss()
def loss(y_true, y_pred):
    # 移除y_pred多余的维度：从(bs, 1, 1, 7896)转为(bs, 7896)
    y_pred = tf.squeeze(y_pred, axis=[1, 2])
    # 统一reshape为(批次大小, 边界框数量, 4)格式，自动匹配边界框组数
    y_true = tf.reshape(y_true, (tf.shape(y_true)[0], -1, 4))
    y_pred = tf.reshape(y_pred, (tf.shape(y_pred)[0], -1, 4))

    # 处理标注为空的样本，自动填充全0框
    def fill_empty(sample_true):
        if tf.shape(sample_true)[0] == 0:
            return tf.constant([[0., 0., 0., 0.]], dtype=sample_true.dtype)
        return sample_true
    y_true = tf.map_fn(fill_empty, y_true)

    # 直接计算全批次的GIoU损失
    return gl(y_true, y_pred)

• 请确认你的边界框坐标顺序和GIoULoss要求的格式匹配，默认支持[xmin, ymin, xmax, ymax]格式，可通过mode参数调整为其他坐标格式
• 如果标注中存在大量填充的空框，可以额外添加掩码逻辑，屏蔽空框对应的损失，避免干扰正常训练

内容的提问来源于stack exchange，提问作者vazun