Python 在tf.contrib.layers.optimize_损耗中使用指数衰减

tf.contrib.layers.optimize\u loss

的文档提到了提供

学习率\u衰减\u fn

的可能性，例如

tf.train.指数衰减

。但是，对于建议的衰减函数，我没有找到如何传递附加参数（

衰减步骤

，

衰减速率

和

楼梯

）

第一次尝试：

def my_decay(a, b):
tf.train.exponential_decay(a, b, decay_steps=5000, decay_rate=0.5,
                           staircase=True, name="LR_decay")


train_op = tf.contrib.layers.optimize_loss(
    loss,
    global_step=global_counter,
    learning_rate=FLAGS.learning_rate,
    optimizer=optimizer,
    learning_rate_decay_fn=my_decay
)

train_op = tf.contrib.layers.optimize_loss(
    loss,
    global_step=global_counter,
    learning_rate=FLAGS.learning_rate,
    optimizer=optimizer,
    learning_rate_decay_fn=tf.train.exponential_decay(decay_steps=5000, decay_rate=0.5,
                               staircase=True, name="LR_decay")
)

这将导致ValueError（尝试将“值”转换为张量，但失败。错误：不支持任何值）。可能是因为函数是python函数而不是TensorFlow op

第二次尝试：

def my_decay(a, b):
tf.train.exponential_decay(a, b, decay_steps=5000, decay_rate=0.5,
                           staircase=True, name="LR_decay")


train_op = tf.contrib.layers.optimize_loss(
    loss,
    global_step=global_counter,
    learning_rate=FLAGS.learning_rate,
    optimizer=optimizer,
    learning_rate_decay_fn=my_decay
)

train_op = tf.contrib.layers.optimize_loss(
    loss,
    global_step=global_counter,
    learning_rate=FLAGS.learning_rate,
    optimizer=optimizer,
    learning_rate_decay_fn=tf.train.exponential_decay(decay_steps=5000, decay_rate=0.5,
                               staircase=True, name="LR_decay")
)

它抱怨缺少2个位置参数（因为调用缺少参数的函数不会返回函数，而是导致尝试求值）

另一次尝试将位置参数直接添加到

optimize\u loss

函数中也失败了（因为参数不会向下传递，而是被视为直接添加到函数中的参数，这必须失败。）

---

我怎样才能传递必要的参数呢？

我想你的意思是说

返回tf.train.exponential\u decay（…

在

我的decay
的定义中，

哎哟，那太尴尬了。无论如何，谢谢。