Tensorflow 自定义模型权重不会随每个时期更新答案

【问题标题】：Tensorflow custom model weights are not getting updated with each epochTensorflow 自定义模型权重不会随每个时期更新
【发布时间】：2021-07-13 03:16:04
【问题描述】：

我是 Tensorflow 的新手，我目前正在制作个人项目以获取经验。目前，我正在尝试根据 2017 年的研究论文“An Unsupervised Neural Attention Model for Aspect Extraction”创建一个个人项目。这篇论文的链接是here。我一直在大量使用研究人员的 Github 存储库中提到的代码来训练这个自定义模型的部分。可以在here 找到指向她的 repo 的链接。可以看出，每个 epoch 之后权重都没有更新。这是我笔记本上的link。请帮助我解决这个问题。另外，您能否解释一下她为什么定义该模型的损失和指标，如下所示？

def max_margin_loss(y_true, y_pred):
    return K.mean(y_pred)

optimizer_ = Adam(learning_rate=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08, clipnorm=10, clipvalue=0)
my_model.compile(optimizer=optimizer_, loss=max_margin_loss, metrics=[max_margin_loss])

有没有办法使用铰链损失自定义层作为损失？

【问题讨论】：

标签： python tensorflow keras deep-learning

【解决方案1】：

是的，如果你想使用铰链损失函数，你可以直接调用它。

model.compile(loss='hinge', optimizer=opt, metrics=['accuracy'])

【讨论】：

感谢您的评论。但根据研究论文，我需要使用其中描述的自定义铰链损失。因此，我不确定默认铰链损失是否适用于这种特定情况。但你提到的指标似乎是合理的。