Python 修改Tensorflow（Keras）优化器（用于分层学习率乘数）

我正在尝试在tensorflow（keras）中训练一名CNN，每层有不同的学习率。由于tensorflow中不包含此选项，我正在尝试修改一个已经存在的优化器，如本文所建议的

当我简单地复制在中找到的SGD优化器的源代码时

“C:\Users\user\Anaconda3\envs\tf\u gpu\Lib\site packages\tensorflow\u core\python\keras\optimizers.py”

（没有任何修改）到我的脚本中，我尝试运行它，但得到以下错误：

TypeError                                 Traceback (most recent call last)
<ipython-input-2-757ea125a090> in <module>
----> 1 opti = SGD(lr=0.001, momentum=0.9, nesterov=False)

<ipython-input-1-dad895e21911> in __init__(self, lr, momentum, decay, nesterov, **kwargs)
     63 
     64   def __init__(self, lr=0.01, momentum=0., decay=0., nesterov=False, **kwargs):
---> 65     super(SGD, self).__init__(**kwargs)
     66     with K.name_scope(self.__class__.__name__):
     67       self.iterations = K.variable(0, dtype='int64', name='iterations')

TypeError: __init__() missing 1 required positional argument: 'name'

它工作得很好，所以我有点害怕卸载现在运行的tensorflow版本并从源代码处编译它

---

另外，如果您知道如何使用tensorflow单独修改每一层的学习率的其他方法，请告诉我。

这可能是由于实施不当造成的

我通过简单地添加一个name参数

name='sgd'

解决了这个问题

opti=SGD（lr=0.001，动量=0.9，nesterov=False，name='SGD'）

---

让我知道这是否有效

这可能是由于实施不当造成的

我通过简单地添加一个name参数

name='sgd'

解决了这个问题

opti=SGD（lr=0.001，动量=0.9，nesterov=False，name='SGD'）

---

让我知道这是否有效

您的更改是在C级别，因此我认为您必须从源代码重新编译当只修改Python代码时，不需要从源代码编译TF，因此即使您修改安装在PC中的TF Python代码，您也不需要构建它。请共享您正在运行的代码。无法重现您的错误，我复制了SGD实现，继承了优化器，它对我有效。您的更改是在C级别，因此我认为您必须从源代码重新编译当只修改Python代码时，不需要从源代码编译TF，因此，即使您修改了安装在PC中的TF Python代码，您也不需要构建它。请共享您正在运行的代码。无法重现您的错误，我复制了SGD实现，继承了优化器，它对我有效。

conda install tensorflow-gpu