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

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