如何在Keras中使用tensorflow.python.ops？

Question

我正在为Keras中的自定义优化程序设计SVD（具体来说，我想将the Shampoo optimizer移植到Keras。

在Tensorflow中，我将使用tensorflow.python.ops.linalg_ops.svd()，但是在keras.backend中没有类似的功能。

可以在纯Keras设置中执行SVD，还是可以某种方式直接使用Tensorflow函数（如果可以，如何使用）？

编辑：仅供将来参考，实际上存在一个包装器功能，可以在Keras中直接使用本机tf优化器：

import keras as ks
from tensorflow.contrib.opt import AdamWOptimizer

tfopt = AdamWOptimizer()
ksopt = ks.optimizers.TFOptimizer(tfopt)

但是，不幸的是，它似乎不适用于Shampoo优化器。

Answer 1

如果您将keras与tensorflow后端一起使用，则比keras后端是 tensorflow。
这意味着当您从keras后端调用方法时，它实际上会调用tensorflow方法。

因此，您可以同时使用和交替使用keras后端操作和tensorflow。

例如，在给定的代码中：

tensor = ...
m = K.mean(tensor)
...

我可以将行K.mean(tensor)更改为tf.mean(tensor)

tensor = ...
m = tf.mean(tensor)
...

因此，您可以使用tensorflow SVD操作，就像它是keras后端的功能一样：）

例如，如果您想拥有

tensor = ...
res = K.some_submodule.svd(tensor)
...

比您只能做的

tensor = ...
res = tensorflow.python.ops.linalg_ops.svd(tensor)
...