如何在Keras中使用tensorflow.python.ops？

我希望为Keras中的定制优化器进行SVD（特别是，我想将其移植到Keras）

在Tensorflow中，我将使用

Tensorflow.python.ops.linalg_ops.svd（）

，但是，

keras.backend

中没有类似的函数

SVD是否可以在纯粹的Keras设置中执行，或者我是否可以直接使用Tensorflow函数（如果可以，如何使用）

编辑：仅供将来参考，实际上存在一个包装函数，允许在Keras中直接使用本机tf优化器：

import keras as ks
from tensorflow.contrib.opt import AdamWOptimizer

tfopt = AdamWOptimizer()
ksopt = ks.optimizers.TFOptimizer(tfopt)

---

但不幸的是，它似乎并不特别适用于洗发水优化器。

如果您在tensorflow后端使用keras，那么keras后端就是tensorflow。
这意味着，当您从keras后端调用一个方法时，它实际上调用了tensorflow的一个方法

因此，您可以同时使用keras后端操作和tensorflow，并且可以互换使用

例如，在给定代码中：

tensor = ...
m = K.mean(tensor)
...

我可以将行

K.mean（tensor）

更改为

tf.mean（tensor）

因此，您可以使用tensorflow SVD操作，就像使用keras后端的函数一样：）

例如，如果你想

tensor = ...
res = K.some_submodule.svd(tensor)
...

而不是你能做的

tensor = ...
res = tensorflow.python.ops.linalg_ops.svd(tensor)
...

---

嗯，我认为在

tensorflow

和

keras.backend

之间没有一对一的对应关系。例如，我可以从tensorflow.python.ops import array_ops执行以下导入

，但不能从keras.backend.python.ops import array_ops

执行以下导入操作。为什么？这是一个很好的观点，我明白我必须澄清我自己。我并没有试图声称keras拥有tensorflow所拥有的所有功能，或者keras.backend完全等同于使用tensorflow。我想说的是，当你在tensorflow上面使用keras时，是使用tensorflow中实现的方法。这意味着keras使用的对象可以是tensorflow direct方法也可以使用的对象。因此，您可以将直接tensorflow方法与keras.backed方法混合使用。您同意上述说法吗？或者你还看到它有什么问题吗？：）我仍然有点不确定纯TF和Keras是否总是混合在一起。我能想到的最显著的例子是TF张量和Keras张量不是一回事（Keras张量携带着它的历史）。但这也许只是构造图时的一个问题？总之，我实际上要做的是实现一个特定的优化器（继承自Keras优化器类），它需要SVD。如果使用纯的

keras.backend

无法实现这一点，这是否意味着我不能用keras编写优化器，使其与任何后端本机兼容？另一个优点。我所能说的是，我已经编写了包含tensorflow方法的函数，并将它们与用keras编写的管道集成。例如，我制作了一个包含tensorflow方法的自定义损失函数。我的观点是，如果你使用tensorflow方法，它应该是有效的，但我没有进一步的方法来证明它。你知道如何在Keras中使用洗发水优化器吗？

tensor = ...
res = tensorflow.python.ops.linalg_ops.svd(tensor)
...