4

我正在尝试将 Levenberg-Marquardt 算法实现为 Keras 优化器，如此处所述，但我有几个问题，最大的一个是这个错误

TypeError: Tensor objects are not iterable when eager execution is not enabled. To iterate over this tensor use tf.map_fn.

快速搜索后，我发现这与 tensorflow 如何运行带有我不了解的图表的程序有关。我发现这个答案对 SO很有用，但它是关于损失函数，而不是优化器。

所以说重点。

我的尝试如下所示：

from keras.optimizers import Optimizer
from keras.legacy import interfaces
from keras import backend as K

class Leveberg_Marquardt(Optimizer):
    def __init__(self, tau =1e-2 , lambda_1=1e-5, lambda_2=1e+2, **kwargs):
        super(Leveberg_Marquardt, self).__init__(**kwargs)
        with K.name_scope(self.__class__.__name__):
            self.iterations = K.variable(0, dtype='int64', name='iterations')
            self.tau = K.variable(tau,name ='tau')
            self.lambda_1 = K.variable(lambda_1,name='lambda_1')
            self.lambda_2 = K.variable(lambda_2,name='lambda_2')

    @interfaces.legacy_get_updates_support
    def get_updates(self, loss, params):
        grads = self.get_gradients(loss,params)
        self.updates = [K.update_add(self.iterations,1)]
        error = [K.int_shape(m) for m in loss]
        for p,g,err in zip(params,grads,error):
            H = K.dot(g, K.transpose(g)) + self.tau * K.eye(K.max(g))
            w = p - K.pow(H,-1) * K.dot(K.transpose(g),err) #ended at step 3 from http://mads.lanl.gov/presentations/Leif_LM_presentation_m.pdf
            if self.tau > self.lambda_2:
                w = w - 1/self.tau * err
            if self.tau < self.lambda_1:
                w = w - K.pow(H,-1) * err
            # Apply constraints.
            if getattr(p, 'constraint', None) is not None:
                w = p.constraint(w)
            self.updates.append(K.update_add(err, w))
        return self.updates

    def get_config(self):
        config = {'tau':float(K.get_value(self.tau)),
                  'lambda_1':float(K.get_value(self.lambda_1)),
                  'lambda_2':float(K.get_value(self.lambda_2)),}
        base_config = super(Leveberg_Marquardt, self).get_config()
        return dict(list(base_config.items()) + list(config.items()))

Q1 我可以在不深入 tensorflow 的情况下修复这个错误吗（我希望我可以通过保持 Keras 级别来做到这一点）

Q2 我是否以正确的方式使用 keras 后端？

我的意思是，在这一行

H = K.dot(g, K.transpose(g)) + self.tau * K.eye(K.max(g))

我应该使用 keras 后端函数，或者 numpy 或纯 python 来运行此代码，而不会出现输入数据是 numpy 数组的问题？

Q3 这个问题更多是关于算法本身。

我什至可以正确实施 LMA 吗？我必须说，我不确定如何处理边界条件，我猜到的 tau/lambda 值，也许你知道更好的方法？

我试图了解 keras 中的每个其他优化器是如何工作的，但即使是 SGD 代码对我来说也是模棱两可的。

Q4 我是否需要以任何方式更改本地文件 optimizers.py？

为了正确运行它，我正在初始化我的优化器：

myOpt = Leveberg_Marquardt()

然后简单地将它传递给编译方法。然而，在快速查看 optimizers.py 的源代码后，我发现代码中有一些位置具有明确的优化器名称（例如反序列化函数）。为我的自定义优化器扩展它是否重要，或者我可以保留它？

我非常感谢任何帮助和未来行动的方向。

4

1 回答 1

2

Q1 我可以在不深入 tensorflow 的情况下修复这个错误吗（我希望我可以通过保持 Keras 级别来做到这一点）

A1我相信即使修复了这个错误，在 keras 不支持的算法的实现中仍然存在问题，例如，f(x;w_0)-y文档中的错误术语对 keras 优化器不可用。

Q2 我是否以正确的方式使用 keras 后端？

A2是的，您必须使用 keras 后端进行此计算，因为g它是张量对象而不是 numpy 数组。但是，我认为正确的计算H应该是H = K.dot(K.transpose(g), g)采用 Nx1 向量 g 并执行外积以产生 NxN 矩阵。

Q3 这个问题更多是关于算法本身。

A3如 A1 中所述，我不确定 keras 是否支持该算法所需的输入。

Q4 我是否需要以任何方式更改本地文件 optimizers.py？

A4如果作为优化器参数提供给 keras 的模型编译函数，则提供的代码行将运行优化器。为方便起见，keras 库支持按名称调用内置类和函数。

于 2018-07-29T14:43:52.447 回答