当 keras 变量发生变化时执行预计算

Question

在 keras/tensorflow 中，我有一个自定义层，其定义如下所示：

class SlowLayer(keras.layer.Layer):
    def __init__(self):
        super(SlowLayer, self).__init__()
        self.weights = self.add_weight(shape=(100,100))

    def call(self, arg):
        permanent = super_slow_computation(self.weights)
        return arg*permanent + tf.reduce_sum(self.weights)

正如所写，这将为每批执行一次 super_slow_computation。但这不是必需的：我应该只有在权重更新时才能运行它，然后缓存结果。

keras 是否为此类事情提供了便利：仅权重函数，不依赖于输入？有什么干净的方法来解决这个问题？

Answer 1

默认情况下，权重在每批结束时更新。 您可以增加批量大小以增加每次权重更新的示例数比率。