在引入 Tensorflow 2.0 之后，scipy 接口 (tf.contrib.opt.ScipyOptimizerInterface) 已被删除。但是，我仍然想使用 scipy 优化器scipy.optimize.minimize(method='L-BFGS-B')来训练神经网络（keras 模型序列）。为了使优化器工作，它需要一个函数fun(x0)作为输入，其中x0是一个形状为 (n,) 的数组。因此，第一步是“展平”权重矩阵以获得具有所需形状的向量。为此，我修改了https://pychao.com/2019/11/02/optimize-tensorflow-keras-models-with-l-bfgs-from-tensorflow-probability/提供的代码。这提供了一个函数工厂来创建这样一个函数乐趣(x0)。然而，代码似乎不起作用，损失函数并没有减少。如果有人能帮我解决这个问题，我将不胜感激。
这是我正在使用的一段代码：
func = function_factory(model, loss_function, x_u_train, u_train)
# convert initial model parameters to a 1D tf.Tensor
init_params = tf.dynamic_stitch(func.idx, model.trainable_variables)
init_params = tf.cast(init_params, dtype=tf.float32)
# train the model with L-BFGS solver
results = scipy.optimize.minimize(fun=func, x0=init_params, method='L-BFGS-B')
def loss_function(x_u_train, u_train, network):
u_pred = tf.cast(network(x_u_train), dtype=tf.float32)
loss_value = tf.reduce_mean(tf.square(u_train - u_pred))
return tf.cast(loss_value, dtype=tf.float32)
def function_factory(model, loss_f, x_u_train, …