Python Scipy回调只调用一次

我正在使用，在我在tensorflow中定义的自定义函数上使用scipy

minimize

。我需要调试它，我想使用回调函数来打印一些信息。 然而，尽管迭代次数/函数求值次数/梯度求值次数不止一次，回调函数只调用一次。为什么？我使用scipy（没有tensorflow）也会遇到同样的问题

这是一个带有Rosenbrock函数的MWE（应该说最小值进行23次迭代，53次函数求值，23次梯度求值，但是

回调！

只打印了两次，一次用于

步骤回调

，一次用于

丢失回调

）

（补充我的上述评论）

根据报告：

步骤\回调：在每个优化步骤中调用的函数；参数是所有优化变量的当前值，它们被展平为一个向量

loss_callback：每次计算损失和梯度时都要调用的函数，计算的回迁作为位置参数提供

你必须传递一个函数

一个简单的例子显示了您案例中的问题，没有传递函数；但对函数的评估如下所示

请记住，我将只展示一些纯scipy示例，而不是-argument

self

，我传递的是一个向量（这是回调中的常见情况）。它看起来不同，但它转移到您的案件

代码：

输出：

---

在您的例子中，您还可以再进行一次调试实验，以显示问题所在。介绍两种不同的回调，一种用于

step\u回调

，另一种用于

loss\u回调

。您将看到，每个函数只被调用一次（在实际开始优化之前进行一次评估！）。

您没有传递函数（根据文档，在scipy和此包装中都是如此）。您正在传递函数的求值。我从未使用过tf或这个包装器，所以没有代码。删除

（）

以传递函数。例如，

step\u callback=self.callback

.Omg，这真是个愚蠢的错误。谢谢（我对python和tf非常陌生）。如果你把它写下来作为答复，我很乐意接受。

import tensorflow as tf
import numpy as np

class Solver:
    def __init__(self, session, y, x):
        self.session = session
        self.y = y
        self.x = x
        self.optimizer = tf.contrib.opt.ScipyOptimizerInterface(self.y,
                                              options={'maxiter': 100, 'disp': True},
                                              method='SLSQP',
                                              var_list=[self.x],
                                              var_to_bounds={self.x: (1e-8, np.infty)})

    def optimize(self):
      self.optimizer.minimize(self.session, step_callback=self.callback(), loss_callback=self.callback())

    def callback(self):
        print('CALLBACK!')


def main():
    seed = 0
    np.random.seed(seed)
    tf.set_random_seed(seed)
    session = tf.Session()

    x_size = 10
    x = tf.Variable(np.random.rand(x_size), dtype=tf.float32)
    y = 0.
    for i in range(x_size-1):
        y += 100. * (x[i+1] - x[i]*x[i])**2 + (x[i] - 1)**2

    solver = Solver(session, y, x)

    session.run(tf.global_variables_initializer())

    solver.optimize()


if __name__ == '__main__':
    main()

import numpy as np
from scipy.optimize import minimize, rosen

def callback(xs):
    print('callback')

x0 = np.zeros(5)

print('Wrong passing')
res = minimize(rosen, np.zeros(5), callback=callback(x0))  # need some arg x0 to make it run
                                                           # in your case this is "self"
print('Correct passing')
res = minimize(rosen, np.zeros(5), callback=callback)

Wrong passing
callback
alpha1:  1.0
Correct passing
callback
callback
callback
callback
...
...
alpha1:  1.0