Keras有一个回调函数，当指定的指标达到平台期时会降低学习率，这个回调函数称为ReduceLROnPlateau。

如何在原生Tensorflow中创建这样的功能？在Tensorflow模型中，是否可以调用Keras的回调函数？还是需要使用原生Tensorflow编写？如果是后者，如何在训练过程中中间调整学习率？

回答：

遗憾的是，Tensorflow本身并不支持这种功能（Keras的回调函数也无法直接使用）。以下是支持的学习率调度技术列表：所有这些都是不同的算法，但都是自包含的，即与训练性能无关。

但好消息是，所有优化器都可以接受学习率的张量。因此，您可以为学习率创建一个变量或占位符，并根据验证性能（您也需要自己计算）来更改其值。以下是来自这个精彩回答的一个示例：

learning_rate = tf.placeholder(tf.float32, shape=[])# ...train_step = tf.train.GradientDescentOptimizer(    learning_rate=learning_rate).minimize(mse)sess = tf.Session()# 向每个训练步骤提供不同的学习率值。sess.run(train_step, feed_dict={learning_rate: 0.1})sess.run(train_step, feed_dict={learning_rate: 0.1})sess.run(train_step, feed_dict={learning_rate: 0.01})sess.run(train_step, feed_dict={learning_rate: 0.01})