Variables 保存并加载Keras/Tensorflow损耗函数'；内部状态变量

我正在Keras中使用Tensorflow后端实现一个模型，该模型使用本文中定义的中心损失函数。我目前正在使用我在Keras存储库中找到的中心丢失的实现：

def _center_loss_func(features, labels, alpha, num_classes,
                  centers, feature_dim):
    assert feature_dim == features.get_shape()[1]    
    labels = K.reshape(labels, [-1])
    labels = tf.to_int32(labels)
    centers_batch = tf.gather(centers, labels)
    diff = (1 - alpha) * (centers_batch - features)
    centers = tf.scatter_sub(centers, labels, diff)
    loss = tf.reduce_mean(K.square(features - centers_batch))
    return loss

def get_center_loss(alpha, num_classes, feature_dim):
    """Center loss based on the paper "A Discriminative 
       Feature Learning Approach for Deep Face Recognition"
       (http://ydwen.github.io/papers/WenECCV16.pdf)
   """    
   # Each output layer use one independed center: scope/centers
   centers = K.zeros([num_classes, feature_dim])
   @functools.wraps(_center_loss_func)
   def center_loss(y_true, y_pred):
       return _center_loss_func(y_pred, y_true, alpha, 
                                num_classes, centers, feature_dim)
   return center_loss

我做了一些测试，这个实现似乎正在工作，因为类正在被分离并可视化地聚集在中心周围。问题是培训结束后，我无法访问中心值。

如果我想从保存的检查点恢复训练，我需要它们。代码总是将中心初始化为零，这是因为要使用加载模型，我必须在

自定义对象

字典中提供

center\u loss

。但是，我只能直接访问

get\u center\u loss

函数，该函数将

centers

实例化为零并返回

center\u loss

。我的想法是将一个numpy数组

initial\u centers

传递给

get\u center\u loss

，并将这些中心初始化为

centers=K.variable（value=initial\u centers）

另一种可能是将centers变量移动到层或优化器内部，但我不知道如何操作

---

任何帮助都将不胜感激。

看起来中心并不是代码中的变量。看起来像是张量。因此，中心的价值永远不会得到更新。尝试使用tf.get_变量构造中心，然后它将自动保存/加载到检查点或从检查点加载。@Alexandre，据我所知，它应该是一个变量，对吗？无论如何，我会把问题更新得更具体一点。谢谢你的回答！啊，我明白了。因此，代码中的问题是，在

centers=tf.scatter\u sub（centers，labels，diff）

中创建的值中心从未使用过，因此tensorflow不会执行赋值操作。用tf.control_dependencies（[centers]）：块将损失的定义放在

中可以解决这个问题。