keras：如何通过model.train_on_batch（）使用学习率衰减

Question

在我当前的项目中，我正在使用keras train_on_batch()函数进行训练，因为该fit()函数不支持GAN所需的生成器和鉴别器的交替训练。使用（例如）亚当优化器，我必须在构造函数中指定学习率衰减，optimizer = Adam(decay=my_decay)然后将其递给模型编译方法。如果我以后使用模型的fit()功能，此方法就可以正常工作，因为这需要在内部对训练重复次数进行计数，但是我不知道如何使用类似以下的结构自己设置此值

counter = 0
for epoch in range(EPOCHS):
    for batch_idx in range(0, number_training_samples, BATCH_SIZE):
        # get training batch:
        x = ...
        y = ...
        # calculate learning rate:
        current_learning_rate = calculate_learning_rate(counter)
        # train model:
        loss = model.train_on_batch(x, y)    # how to use the current learning rate?

具有一些计算学习率的功能。如何手动设置当前学习率？

抱歉，如果这篇文章中有错误，这是我的第一个问题。

谢谢您的帮助。

Answer 1

在keras后端的帮助下设置值：（keras.backend.set_value(model.optimizer.lr, lr)其中lr有一个浮点数，期望的学习率）适用于该fit方法，并且应适用于train_on_batch：

from keras import backend as K


counter = 0
for epoch in range(EPOCHS):
    for batch_idx in range(0, number_training_samples, BATCH_SIZE):
        # get training batch:
        x = ...
        y = ...
        # calculate learning rate:
        current_learning_rate = calculate_learning_rate(counter)
        # train model:
        K.set_value(model.optimizer.lr, current_learning_rate)  # set new lr
        loss = model.train_on_batch(x, y) 

希望能帮助到你！