我想在优化过程中试验每一层的权重和偏差。我目前正在处理Cats Vs Dogs dataset .这里，编译后的模型数据通过model.fit_generator()传递。
我想在更新时获取每层的权重和梯度以应用阈值（如果梯度值小于阈值，则权重不会更新）。
我尝试实现自定义 fit_generator，但我还希望 fit_generator 的并行性以提高效率，在 CPU 上对图像进行实时数据增强，同时在 GPU 上训练模型。
【问题讨论】：
标签： tensorflow image-processing optimization keras conv-neural-network
您不需要自定义 fit_generator 方法。只是一个自定义优化器。 优化器定义权重更新操作。因此，您可以定义一个自定义优化器，在裁剪权重后实现与 sgd 或 Adam 类似的策略。
关键是要定义一个继承自keras.optimizers.Optimizer 并实现get_updates 方法的类。此方法确定如何更新 grad 权重。在您的版本中，您可以剪辑渐变。
我可以为您指出一些示例代码：我编写了一个自定义优化器，它允许使用 SciPy 优化器而不是 sgd (https://github.com/pedro-r-marques/keras-opt)。只是几行代码，拿来做例子应该是合理的。
【讨论】：
get_config。我刚刚在 tensorflow 1.13 上重新运行了单元测试，似乎工作得很好。