Tensorflow2.0 是否可以将Tensorflow图形中的Levenberg-Marquardt优化器与Tensorflow 2.0模型集成？

我有一个Tensorflow 2.0

tf.keras.Sequential

模型。现在，我的技术规范规定使用Levenberg-Marquardt优化器来适应模型。Tensorflow 2.0没有提供现成的优化器，但它在模块中可用

tfg.math.optimizer.levenberg\u marquardt.minimize

函数接受

残差

（残差是Python

可调用的

返回张量）和

变量

（对应于我的模型权重的张量列表）作为参数

将我的模型转换为残差和变量的最佳方法是什么

如果我正确理解

最小化

函数的工作原理，我必须提供两个残差。第一个残差必须为每个学习案例调用我的模型，并将所有结果聚合为一个张量。第二个残差必须以单个常量张量返回所有标签。问题是

tf.keras.Sequential.predict

函数返回一个numpy数组而不是张量。我相信如果我把它转换成张量，极小值就不能计算变量的雅可比矩阵

---

变量也存在同样的问题。似乎没有办法将模型中的所有权重提取到张量列表中。

你知道怎么做吗？我正在努力实现类似的目标。我正在尝试训练一个浅层神经网络（它在matlab上使用Levenberg Marquardt，做得非常好）。然而，在Keras上使用ADAM训练的同一个系统做得很糟糕，而不是真的。我最终硬编码了这个公式。现在，当模型改变时，我必须相应地改变公式。嘿@psimeson，你有什么消息吗？我在同样的问题上被绊倒了：将旧的matlab脚本转换为keras