Tensorflow 不推荐使用Keras模型/层正则化特性

我使用Keras来定义一个模型，然后我尝试使用分布式Tensorflow来校准它，就像这样做的

我以前处理正则化器的丢失，就像在链接中一样

model = Sequential()
...... #build keras model
loss = tf.reduce_mean(keras.objectives.mean_squared_error(targets, preds))
# apply regularizers if any
if model.regularizers:
    total_loss = loss * 1.  # copy tensor
    for regularizer in model.regularizers:
        total_loss = regularizer(total_loss)
else:
    total_loss = loss

但是现在正则化器属性已被去除润滑，并且有一条警告建议使用

模型/层的
损失
属性

，因此我尝试：

 loss = tf.reduce_mean(keras.objectives.mean_squared_error(targets, preds))
 total_loss = loss * 1.  # copy tensor
 for reg_loss in model.losses:
     tf.assign_add(total_loss, reg_loss)

---

但这会导致崩溃。请提供任何帮助

正确的做法是：

loss = tf.reduce_mean(keras.objectives.mean_squared_error(targets, preds))
total_loss = loss * 1.  # copy tensor
for reg_loss in model.losses:
total_loss = total8loss + reg_loss

---

什么是撞车？有消息要发吗？