小编moo*_*oon的帖子

我想弄清楚为什么有时会tf.GradientTape().gradient返回None，所以我使用了以下三个损失函数（mmd0(), mmd1(), mmd2()），虽然 mmd0 和 mmd1 的格式有点不同，但仍然返回梯度，但对于 mmd2，梯度是None. 我打印出这三个函数的损失，有人为什么会这样？

def mmd0(x, y): # a and b are lists of aribiturary lengths
  return x  

def mmd1(x1, x2): # a and b are lists of aribiturary lengths
  dis = sum([x**2 for x in x1])/len(x1) - sum([x**2 for x in x2])/len(x2)
  return dis**2

def mmd2(x, y):
  dis = x-y
  return [tf.convert_to_tensor(elem) for elem in dis]

def get_MMD_norm(errors, sigma=0.1): 
  x2 = np.random.normal(0, sigma, len(errors)) …

我按照说明（https://github.com/huggingface/transfer-learning-conv-ai）从 Huggingface 安装 conv-ai，但我陷入了 docker 构建步骤：docker build -t convai .

我使用的是Mac 10.15，python 3.8，将Docker内存增加到4G。

我已尝试以下方法来解决该问题：

\n
1. 加入numpy​requirements.txt
\n
2. 添加RUN pip3 install --upgrade setuptools到 Dockerfile 中
\n
3. 添加--upgrade到RUN pip3 install -r /tmp/requirements.txtDockerfile 中
\n
4. 在 DockerfileRUN pip3 install numpy之前添加RUN pip3 install -r /tmp/requirements.txt
\n
5. 在 DockerfileRUN apt-get install python3-numpy之前添加RUN pip3 install -r /tmp/requirements.txt
\n
6. 由于这篇文章而使用 python 3.6.13 ，但它有完全相同的错误。
\n …