我已经在Keras issues上问了这个问题，但由于我在那里没有答案，所以我决定在这里试试运气 .
我正在使用自定义优化器运行mnist mlp example，暂时只是来自optimizers.py的SGD的副本，即
from __future__ import print_function
import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout
from keras.optimizers import Optimizer
from keras import backend as K
from legacy import interfaces
import numpy as np
class testsgd(Optimizer):
..... [everything same as sgd] .....
myopt = testsgd()
....[define model]....
model.compile(loss='categorical_crossentropy',
optimizer=myopt,
metrics=['accuracy'])
history = model.fit(x_train, y_train,
batch_size=batch_size,
epochs=epochs,
verbose=1,
validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, verbose=0)
print('Test loss:', score[0])
print('Test accuracy:', score[1])
现在，在我的自定义优化器中，我需要计算渐变的点积和速度，即在optimizers.py中的168行之后，我需要类似于
angle = K.dot(g,v) 或 angle = K.dot(K.transpose(g),v) 或 angle = K.dot(g, K.transpose(v))
不幸的是，上述工作都没有，我只是得到了错误
ValueError：Shape必须为2级，但对于输入形状为'MatMul'（op：'MatMul'）的排名为1：[512]，[512] .
我知道 g 和 v 是张量，可能需要将其展平为numpy数组，以便将numpy用于点积 .
我最接近的是检查optimizers.py中的75行，它计算了梯度的范数，即
norm = K.sqrt(sum([K.sum(K.square(g)) for g in grads]))
然而，即便如此，声明
print(norm)
仍然会返回一个张量！
同样我也尝试过
angle = K.sum(g * v,axis=-1,keepdims=True)
正如here所建议的那样，但结果仍然是一个我无法解释为正确的张量：
Tensor（“Sum_2：0”，shape =（1，），dtype = float32）
当我尝试
print (K.get_value(angle))
我得到了
InvalidArgumentError（参见上面的回溯）：Shape [-1,784]具有负维度[[Node：dense_4_input = Placeholderdtype = DT_FLOAT，shape = [？，784]，_ device =“/ job：localhost / replica：0 / task：0 / GPU：0" ]]
非常感谢您的帮助