TensorFlow 2.x关闭eager execution时Adam().minimize使用报错如何解决？

错误根因说明 #

1. 第一次报错TypeError: 'Tensor' object is not callable
   优化器的minimize方法第一个入参要求传入可调用的损失计算函数，你传入的是已经计算完成的损失张量，本身不具备可调用属性，因此触发报错。
2. 第二次报错ValueError: No gradients provided for any variable
   你提前在lambda外部完成了损失计算，lambda仅返回了一个静态的损失张量，损失和模型可训练参数之间的梯度追踪链路已经断裂，优化器无法获取梯度用于参数更新，因此触发报错。

解决方案 #

你可以任选以下任意一种写法修复问题：

方案1：直接将损失计算逻辑封装为可调用对象传入minimize

不要提前计算损失，把损失计算的逻辑放在传给minimize的可调用对象内，保证梯度链路完整：

def train(x, y):
    opt.minimize(lambda: loss_fn(x, y), var_list=model.trainable_variables)

方案2：显式计算梯度后更新（逻辑更清晰，更易调试）

手动通过梯度带完成梯度计算、梯度应用的全流程，避免隐式调用的逻辑问题：

def train(x, y):
    with tf.GradientTape() as tape:
        loss = loss_fn(x, y)
    grads = tape.gradient(loss, model.trainable_variables)
    opt.apply_gradients(zip(grads, model.trainable_variables))

额外注意 #

如果你是在TensorFlow 2.x环境下手动关闭了eager execution，也可以考虑恢复默认的eager执行模式，梯度追踪相关的问题排查会更简单。

内容的提问来源于stack exchange，提问作者narutoArea51