如何在keras批量更新期间缩放梯度？

Question

我正在使用标准的 keras 模型，并且正在批量训练（使用 train_on_batch 函数）。现在，我想获取批次中每个元素的梯度并对其进行缩放（将每个样本梯度与我拥有的样本特定值相乘）并且在每个梯度被缩放之后，然后可以对其求和并用于更新现有权重。在给定 keras 功能的情况下，有没有办法做到这一点？如果没有，我有没有办法使用 tensorflow 来操纵它？ （给定模型，其余部分用 keras 编写）

函数如下所示：（循环是为了说明批处理中的所有样本都会发生这种情况）

grad = 0, w= #array of size batch_size
for i in batch_size:
    grad <- grad + w_i*grad_i

Answer 1

• 在模型的fit 方法中使用sample_weights 参数。
• 或者，如果使用生成器，使生成器不仅返回X_train, y_train，还返回X_train, y_train, sample_weights。

在这两种情况下，sample_weights 应该是一个与数据具有相同样本数的一维向量。