Python 在没有后端的情况下使用Keras时，如何查看张量的值并对张量执行索引？

我试图复制一个网络，其中嵌入空间（自动编码器）中的点需要在每个批之间使用带有Theano后端的Keras进行更新。为了使网络正常工作，它需要在每个批次之间对网络权重执行更新。损失函数来自“走向K-均值友好空间”一文

因为我必须更新每个批次之间的网络权重，所以我对每个批次都这样做（更新一个批次的网络，然后在下一个批次之前更新嵌入空间）：

---

本质上，我需要得到不同点的张量值，这需要通过执行索引来完成。我试过K.get_value（assign）、K.eval（assign）、K.print_tensor（assign），但似乎没有任何东西能让我获得张量的实际值。我也尝试过其他张量，我总是得到TensorVariable，Subtensor（Int64）.0，或者类似的东西。有人能帮我完成这项工作吗？无论是通过转换成numpy数组，还是将所有的元素转换成张量，还是其他方法？多谢各位

实际值仅在培训过程中存在。这意味着所有东西都隐藏在批量生产的序列中。为此，您需要将所需的张量传递给损失函数，并对要更新的张量使用一些

K.update

或类似的方法。这将只在Lambda层或损失函数中起作用，并且必须在通过反向传播调整权重之前发生。Theano的开发已停止。你使用它有什么具体的原因吗？谢谢你指出这一点@Daniel Moller。我没有意识到这一点。我将批次上的序列号下面的代码移动到自定义丢失函数中。我还将self.centroids、self.assignments等更改为（object_name）.centroids、（object_name）.assignments等。但是，即使使用此方法，我也会得到相同的错误。“”索引器：只有整数、片（

：

）、省略号（

…

）、numpy.newaxis（

None

）和整数或布尔数组是有效的索引“”。@MathiasMüller是的早期，当我使用Tensorflow作为后端时，我遇到了一个关于Tensor对象没有属性ndim的错误。这显然可以通过切换到Theano后端解决，我做到了。“是的，在我使用Tensorflow作为后端的早期，我遇到了一个关于Tensor对象没有属性ndim的错误。”-这肯定是几年前的事了。也许你应该再试一次：-）。

loss = self.model.train_on_batch(x=self.images[index * self.batch_size:(index + 1) * self.batch_size],
                                             y = [self.images[index * self.batch_size:(index + 1) * self.batch_size]])

self.latent_features = self.model.get_layer(name='embedding').output
self._cluster_distsqs = K.sum(K.square(self.latent_features - self.centroids), axis=2)
self._assigns = K.argmin(self._cluster_distsqs, axis=1)
for i in range(batch_size):
    assign = self._assigns[i]
    count = self.centroid_counts[assign]
    centroid = self.centroids[assign]
    feature = self.latent_features[i]

        if cnt>1:
           new_centroid = centroid - (1.0 / cnt) * (centroid - feature)
           self.centroids[:,assign,:] = new_centroid
        else:   
            self.centroid_counts[assign] = cnt+1