Python 在自定义Keras优化器中更新TensorFlow度量
我正在TensorFlow中编写一些自定义优化器,这些优化器继承自Python 在自定义Keras优化器中更新TensorFlow度量,python,tensorflow,keras,Python,Tensorflow,Keras,我正在TensorFlow中编写一些自定义优化器,这些优化器继承自tf.keras.optimizers.Optimizer,并希望记录一些关于\u resource\u apply\u dense方法的具体情况的度量。作为一个简单的例子(我知道用另一种方法更容易实现):假设我想在每次调用\u resource\u apply\u dense(grad,var,apply\u state)时为每个var记录tf.norm(grad)。我正在努力解决的问题是,虽然在急切执行中工作得很好,但对于图形
tf.keras.optimizers.Optimizer
,并希望记录一些关于\u resource\u apply\u dense
方法的具体情况的度量。作为一个简单的例子(我知道用另一种方法更容易实现):假设我想在每次调用\u resource\u apply\u dense(grad,var,apply\u state)
时为每个var
记录tf.norm(grad)
。我正在努力解决的问题是,虽然在急切执行中工作得很好,但对于图形,该方法需要返回一些TensorFlow操作,我不确定如何重新表述通常的度量值.update_state(tf.norm(grad))
,以便我可以将其添加到控制流操作组中