我想在优化过程中尝试每一层的权重和偏差。我目前正在Cats Vs Dogs dataset上工作 。在这里，编译后，模型数据通过 model.fit_generator（） 传递。
我想获取每个图层的权重和渐变，同时更新以应用阈值（如果渐变值小于阈值，则权重不会更新）。
我尝试实现自定义的 fit_generator ，但我也希望 fit_generator 的并行性可以提高效率，同时在CPU上对图像进行实时数据增强，从而在GPU上训练模型。
答案 0 :(得分：2)
您不需要自定义的fit_generator方法。只是一个自定义优化器。 优化器定义权重更新操作。因此，您可以定义一个自定义优化器，该优化器将在权重削减后实施与sgd或Adam相似的策略。
关键是定义一个从keras.optimizers.Optimizer派生的类，并实现一个get_updates方法。此方法确定如何更改毕业生的权重。在您的版本中，您可以剪切渐变。
我可以为您提供一些示例代码：我编写了一个自定义优化器，该优化器允许使用SciPy优化器而不是sgd（https://github.com/pedro-r-marques/keras-opt）。只是几行代码，因此使用它作为示例应该是合理的。