Update：2020/01/11
如果想要在 tf.keras 中使用 AdamW、SGDW 等优化器，请将 TensorFlow 升级到 2.0，之后在 tensorflow_addons 仓库中可以找到该优化器，且可以正常使用，具体参照：【tf.keras】AdamW: Adam with Weight decay -- wuliytTaotao
Update：2019/09/21
在 TensorFlow 1.x 使用 tf.keras 时，请使用 tf.keras.optimizers 里面的优化器，不要使用 tf.train 里面的优化器，不然学习率衰减会出现问题。
使用 tf.keras 过程中，如果要使用 learning rate decay，不要使用 tf.train.AdamOptimizer() 等 tf.train 内的优化器，因为学习率的命名不同，导致 tf.keras 中学习率衰减的函数无法使用，一般都会报错 “AttributeError: 'TFOptimizer' object has no attribute 'lr'”，这个时候即使我们对 "lr" 参数赋值，也没有办法在之后过程中更新真正的学习率，即学习率并没有按照你想的那样进行 decay。
在 tensorflow 1.10.0 中，tf.keras.optimizers 中的优化器参数命名和 tf.train 的优化器初参数命名中还不一样，这个时候像 tf.keras 的参数命名和 Keras 一样，使用 tf.keras.optimizers.Adam() 没问题，但使用 tf.train.AdamOptimizer() 就没法在 tf.keras 中学习率衰减。
在 tensorflow 1.14 中，tf.keras.optimizers 中的优化器参数命名和 tensorflow 一致了，但在初始化时都一行命令self._set_hyper('learning_rate', kwargs.get('lr', learning_rate))，这一行命令将lr属性和learning_rate属性绑定，会一起更新，所以 tf.keras 中的优化器可以正常使用 tf.keras 中的 learning rate decay，而此时 tf.train.AdamOptimizer() 及 tf.contrib.opt.AdamWOptimizer() 等优化器还是没法正常使用 tf.keras 中的 learning rate decay。
简言之，在 tf.keras 要使用学习率衰减时，优化器不要选择 tf.train 的，而是要 tf.keras 的。目前为止，两者的转化还不是很好，很容易出问题，发现学习率不能正常 decay 也是要了我的老命。
Update：2019/06/06
我的 tensorflow+keras 版本：
print(tf.VERSION) # '1.10.0'
print(tf.keras.__version__) # '2.1.6-tf'tf.keras 没有实现 AdamW，即 Adam with Weight decay。论文《DECOUPLED WEIGHT DECAY REGULARIZATION》提出，在使用 Adam 时，weight decay 不等于 L2 regularization。具体可以参见 当前训练神经网络最快的方式：AdamW优化算法+超级收敛 或 L2正则=Weight Decay？并不是这样。
keras 中没有实现 AdamW 这个 optimizer，而 tensorflow 中实现了，所以在 tf.keras 中引入 tensorflow 的 optimizer 就好。
如下所示：
import tensorflow as tf
from tensorflow.contrib.opt import AdamWOptimizer
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(512, activation=tf.nn.relu),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])
# adam = tf.train.AdamOptimizer()
# adam with weight decay
adamw = AdamWOptimizer(weight_decay=1e-4)
model.compile(optimizer=adamw,
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=10, validation_split=0.1)
print(model.evaluate(x_test, y_test))如果只是像上面这样使用的话，已经没问题了。但是如果要加入 tf.keras.callbacks 中的某些元素，如 tf.keras.callbacks.ReduceLROnPlateau()，可能就会出现异常 AttributeError: 'TFOptimizer' object has no attribute 'lr'。
以下代码将出现 AttributeError: 'TFOptimizer' object has no attribute 'lr'，就是因为加入了 tf.keras.callbacks.ReduceLROnPlateau()，其它两个 callbacks 不会引发异常。
import tensorflow as tf
from tensorflow.contrib.opt import AdamWOptimizer
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(512, activation=tf.nn.relu),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])
# 按照 val_acc 的值来保存模型的参数，val_acc 有提升才保存新的参数
ck_callback = tf.keras.callbacks.ModelCheckpoint('checkpoints/weights-improvement-{epoch:02d}-{val_acc:.2f}.hdf5', monitor='val_acc', mode='max',
verbose=1, save_best_only=True, save_weights_only=True)
# 使用 tensorboard 监控训练过程
tb_callback = tf.keras.callbacks.TensorBoard(log_dir='logs')
# 在 patience 个 epochs 内，被监控的 val_loss 都没有下降，那么就降低 learning rate，新的值为 lr = factor * lr_old
lr_callback = tf.keras.callbacks.ReduceLROnPlateau(patience=3)
adam = tf.train.AdamOptimizer()
# adam with weight decay
# adamw = AdamWOptimizer(weight_decay=1e-4)
model.compile(optimizer=adam,
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=10, validation_split=0.1, callbacks=[ck_callback, tb_callback, lr_callback])
print(model.evaluate(x_test, y_test))(上述代码在 tensorflow 1.10.0 之后的版本会出现莫名其妙的错误，以 tensorflow 1.14.0 举例。)
Traceback (most recent call last):
File "/Users/wuliytTaotao/PycharmProjects/tmp/AdamOrAdamW.py", line 43, in
model.fit(x_train, y_train, epochs=10, validation_split=0.1, callbacks=[ck_callback, tb_callback, lr_callback])
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow/python/keras/engine/training.py", line 780, in fit
steps_name='steps_per_epoch')
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow/python/keras/engine/training_arrays.py", line 363, in model_iteration
batch_outs = f(ins_batch)
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow/python/keras/backend.py", line 3292, in __call__
run_metadata=self.run_metadata)
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow/python/client/session.py", line 1458, in __call__
run_metadata_ptr)
tensorflow.python.framework.errors_impl.FailedPreconditionError: Error while reading resource variable training/beta2_power from Container: localhost. This could mean that the variable was uninitialized. Not found: Resource localhost/training/beta2_power/N10tensorflow3VarE does not exist.
[[{{node training/AdamW/update_dense/bias/ResourceApplyAdam/ReadVariableOp_1}}]] References
当前训练神经网络最快的方式：AdamW优化算法+超级收敛 -- 机器之心
L2正则=Weight Decay？并不是这样 -- 杨镒铭
ReduceLROnPlateau with native optimizer: 'TFOptimizer' object has no attribute 'lr' #20619