想在 keras Adadelta 优化算法代码处增加一些 print 信息 打印出过程中参数的变化情况
但 print new_p 的时候提示如下错误， 应该怎么打印出 new_p 呢？
第一个 print 可以正常打印出结果 第二个 print 不行。
Myy，2018-5-8 21:09:59
new_p 是 tensor 而不是 variable，keras.backend.get_value 主要针对的是 variable。对于计算图而言，终端输出可以优先考虑使用特定的 print 函数，对于 tensorflow 来说是 tf.Print，对于 keras 来说是 keras.backend.print_tensor。按照你的做法使用 print (K.get_value (p)) 得到的是计算图计算前的变量值，也就是构建模型时初始化的值，应该不会得到你所说的 “过程中参数的变化情况”。就你想要写的代码而言，你可以使用下面的方法，在每一次训练时得到当次训练的参数（p）和下次训练的参数（即优化后的 new_p）：
class Adadelta (Optimizer):
"""Adadelta optimizer.
...
"""
...
def get_updates (self, loss, params):
...
for p, g, a, d_a in zip (params, grads, accumulators, delta_accumulators):
old_p = K.print_tensor (p, message='{}: '.format (p.name))
self.updates.append (K.update (p, old_p))
# update accumulator
...
# Apply constraints.
if getattr (p, 'constraint', None) is not None:
new_p = p.constraint (new_p)
new_p = K.print_tensor (new_p, message='{}: '.format (new_p.name))
self.updates.append (K.update (p, new_p))
# update delta_accumulator
new_d_a = self.rho * d_a + (1 - self.rho) * K.square (update)
self.updates.append (K.update (d_a, new_d_a))
return self.updates
多说一句，我不是很确定你想要做什么，但我的这个做法仅供参考。这种做法（尤其是增加对 p 的自我赋值）虽然对于模型本身应该并没有影响，但并不好；当然，我的代码逻辑也不是很强，可能还有更优美的做法，希望高人出手指教。就我的这个做法而言，把 print 加入优化器中会导致每一步都输出模型中所有的可训练变量一次，特别是当你需要训练上千上万次时，输出量极大，可读性不高。取决于你的目的，感觉可以考虑其他做法。
yunhai_luo，2018-5-9 06:32:24
非常感谢您的回答，目前答案已经满足我的需求。
我这边这样做的原因是：
我自己实现了 Adadelta 算法，在和 keras 结果对比时发现有一定差距，因此我想打印出 keras Adadelta 函数每一步的计算结果和我自己的结果对比下看看问题出在哪里，打印的信息包括 p, g, a,d_a 以及他们更新后的数值。我现在控制训练数据只有一条，所以打印出来的结果可以一一对比。
Myy（提问者），2018-5-9 11:13
谢谢你的解释！明白了，如果是这样那恐怕改 keras 源代码还比较方便，其他方法确实很难涵盖你想要看的所有参变量。
yunhai_luo，2018-5-9 12:27
keras 只测试的话，用 keras.backend.print_tensor，需要避免太多的打印
neverchange，发表于 2018-7-4 15:55:54