Я хотел бы написать вариант SGD Кераса, который допускает дискретное изменение размера шага на указанных итерациях.Я использую бэкэнд Tensorflow.
Чтобы помочь в отладке, я пытаюсь настроить метод печати сообщений для оптимизатора на get_updates
, но я не могу этого сделать.Я пробовал как стандартные операторы печати, так и tf.Print, но ни один из них не работает.Соответствующий код, который идет прямо из crasass оптимизатора Keras SGD, выглядит следующим образом:
@interfaces.legacy_get_updates_support
def get_updates(self, loss, params):
print (" -------------------------> Getting updates <------------------------------------------")
grads = self.get_gradients(loss, params)
self.updates = [K.update_add(self.iterations, 1)]
tf.Print(self.iterations,
[self.iterations],
message="-------------------------------> GETTING UPDATES <----------------------------------------")
lr = self.lr
if self.initial_decay > 0:
lr = lr * (1. / (1. + self.decay * K.cast(self.iterations,
K.dtype(self.decay))))
# momentum
shapes = [K.int_shape(p) for p in params]
moments = [K.zeros(shape) for shape in shapes]
self.weights = [self.iterations] + moments
for p, g, m in zip(params, grads, moments):
v = self.momentum * m - lr * g # velocity
self.updates.append(K.update(m, v))
if self.nesterov:
new_p = p + self.momentum * v - lr * g
else:
new_p = p + v
# Apply constraints.
if getattr(p, 'constraint', None) is not None:
new_p = p.constraint(new_p)
self.updates.append(K.update(p, new_p))
return self.updates
Хотя оператору печати удается передать одно сообщение, и все.Я ожидал увидеть результат каждый раз, когда параметры обновлялись (т.е. после каждой партии).Вместо этого я вижу только распечатанный материал непосредственно перед первой эпохой обучения.
Что я делаю не так?Я все еще связан с трудностями (для меня) работы с вычислениями графа?Кроме того, не должен ли tf.Print произвести вывод текста?