我在Tensorflow中有一个神经网络,现在尝试在Keras中重新实现它。与Tensorflow模型相比,Keras模型的表现完全不足。损失值要高得多,并且下降速度比原始模型慢。我的最佳猜测是我使用了错误的优化器。在Tensorflow代码中,优化器如下:
global_step = tf.Variable(0, trainable=False)
learning_rate = tf.train.exponential_decay(0.0001,
global_step,
decay_steps=10000,
decay_rate=0.33,
staircase=True)
optimizer = tf.train.AdamOptimizer(learning_rate, epsilon=1e-8)
train_op = optimizer.minimize(total_loss, global_step)
在Keras中,它看起来像这样:
adam = keras.optimizers.Adam(lr=0.0001, beta_1=0.9, beta_2=0.999, epsilon=1e-8)
model.compile(loss=get_loss_funcs(), optimizer=adam)
有没有一种方法可以在Keras中实现Tensorflow的优化器?
TFOptimizer
的回答怎么样?你试过了吗? - desertnaut