小编Sol*_*ris的帖子

我正在尝试在 TensorFlow 中实现两个张量之间的加权平均值，其中可以自动学习权重。遵循有关如何为 keras 模型设计自定义层的建议here，我的尝试如下：

class WeightedAverage(tf.keras.layers.Layer):
    def __init__(self):
        super(WeightedAverage, self).__init__()

        init_value = tf.keras.initializers.Constant(value=0.5)

        self.w = self.add_weight(name="weight",
                                 initializer=init_value,
                                 trainable=True)

    def call(self, inputs):
        return tf.keras.layers.average([inputs[0] * self.w,
                                        inputs[1] * (1 - self.w)])

现在的问题是，在训练模型、保存并再次加载之后，它的值w仍然是 0.5。参数是否有可能没有收到任何梯度更新？打印模型的可训练变量时，会列出参数，因此在调用model.fit.