如何在Keras中使用tensorflow.python.ops？

我想在Keras中为自定义优化器实现SVD（特别是，我想将Shampoo优化器移植到Keras中）。

在TensorFlow中，我会使用tensorflow.python.ops.linalg_ops.svd()，然而，keras.backend中没有类似的函数。

SVD可以在纯粹的Keras环境中执行吗，或者我能否直接使用TensorFlow的函数（如果可以，如何使用）？

编辑：为了将来参考，实际上存在一个包装函数，允许在Keras中直接使用原生tf优化器：

import keras as ksfrom tensorflow.contrib.opt import AdamWOptimizertfopt = AdamWOptimizer()ksopt = ks.optimizers.TFOptimizer(tfopt)

遗憾的是，对于Shampoo优化器而言，这似乎并不适用。

回答：

如果你使用的是基于TensorFlow后端的Keras，那么Keras后端就是TensorFlow。
这意味着当你调用Keras后端的方法时，实际上是在调用TensorFlow的方法。

因此，你可以同时使用Keras后端操作和TensorFlow，并且可以互换使用。

例如，在给定的代码中：

tensor = ...m = K.mean(tensor)...

我可以将K.mean(tensor)这一行改为tf.mean(tensor)

tensor = ...m = tf.mean(tensor)...

所以你可以像使用Keras后端的函数一样，直接使用TensorFlow的SVD操作:)

例如，如果你想这样做

tensor = ...res = K.some_submodule.svd(tensor)...

那么你可以直接这样做

tensor = ...res = tensorflow.python.ops.linalg_ops.svd(tensor)...

学技术