我正在与Keras一起工作，并试图创建一个学习率计划程序，该程序根据处理的批次数而不是时期数进行计划。为此，我已将调度代码插入“优化器”的get_updates方法中。在大多数情况下，我尝试将常规Python变量用于在给定训练运行期间保持恒定的值，而将计算图节点仅用于实际变化的参数。
我的2个问题是：
如果放在get_updates Keras的{{1}}方法中，下面的代码是否应该像学习率调度程序一样正常工作。
如何将这段代码嵌入到类似于Optimizer的类中，但是该类是根据批次数而不是历元数计划的？
LearningRateScheduler比弄乱Keras源代码更容易（有可能，但是又复杂又明智），您可以使用回调。
from keras.callbacks import LambdaCallback
total_batches = 0
def what_to_do_when_batch_ends(batch,logs):
total_batches += 1 #or use the "batch" variable,#which is the batch index of the last finished batch
#change learning rate at will
if your_condition == True:
keras.backend.set_value(model.optimizer.lr,newLrValueAsPythonFloat)
训练时，使用回调：
lrUpdater = LambdaCallback(on_batch_end = what_to_do_when_batch_ends)
model.fit(........,callbacks = [lrUpdater,...other callbacks...])