python里sgd_experimental（）无法被调用

很抱歉，我无法提供有关python中sgd_experimental()无法调用的具体解决方案，因为我需要更多的上下文和细节才能准确地确定问题。

但是，以下是一些可能有用的建议：

1. 确认您是否正确使用了sgd_experimental()函数的语法和参数。请查看文档或示例代码以获取帮助。

2. 确认您是否正确安装了所需的库和依赖项。如果您使用的是第三方库，请检查是否已正确安装和导入。

3. 尝试使用其他版本或替代方法来执行相同的操作，以确定问题是否与sgd_experimental()函数有关。

4. 如果您仍然无法解决问题，请考虑在相关论坛或社区上发布您的问题，以获得更多的帮助和建议。

希望这些建议能帮助您解决问题。

相关问题

from keras.optimizers import sgd_experimental怎么被调用

sgd_experimental是一个实验性的优化器，它并没有被正式纳入Keras的优化器列表中。因此，要使用sgd_experimental优化器，需要自己定义并实现该优化器。

以下是一个简单的示例代码，展示了如何定义并使用sgd_experimental优化器：

from keras.optimizers import Optimizer
import keras.backend as K

class SGDExperimental(Optimizer):
    def __init__(self, lr=0.01, momentum=0.0, decay=0.0, nesterov=False, **kwargs):
        super(SGDExperimental, self).__init__(**kwargs)
        self.lr = K.variable(lr)
        self.momentum = K.variable(momentum)
        self.decay = K.variable(decay)
        self.iterations = K.variable(0)
        self.nesterov = nesterov

    def get_updates(self, loss, params):
        grads = self.get_gradients(loss, params)
        self.updates = []

        lr = self.lr
        if self.decay > 0.0:
            lr = lr / (1.0 + self.decay * self.iterations)

        for p, g in zip(params, grads):
            v = self.momentum * p - lr * g
            if self.nesterov:
                v = self.momentum * v - lr * g
            new_p = p + v
            self.updates.append(K.update(p, new_p))
            self.updates.append(K.update(self.iterations, self.iterations + 1))
        return self.updates

# 使用sgd_experimental优化器
model.compile(optimizer=SGDExperimental(lr=0.01, momentum=0.9), loss='mse')

在这个例子中，我们继承了Keras中的Optimizer类，并实现了sgd_experimental优化器的核心逻辑。使用时，需要将该优化器传递给model.compile()函数即可。