tensorflow - 为什么 tensorflow.contrib.framework.arg_scope 不适用于 tf.keras.layers？

Question

我正在尝试从 tf.contrib.slim 转移到 tf.keras 包。我对 arg_scope 语法感到满意，因为它减少了许多冗余参数。

我找到了“使用 tf.layers 时替代 arg_scope ”的相关解决方案

但是，对于 keras 层，它不适用并引发以下错误。

from tensorflow.contrib.framework import arg_scope
with arg_scope([tf.keras.layers.Conv2D], padding='SAME', activation='relu'):
  model = tf.keras.layers.Conv2D(kernel_size=[3,3])

这个实验代码结果

ValueError: ('%s 没有用@add_arg_scope', ('tensorflow.python.keras.layers.convolutional', 'Conv2D'))

我正在考虑制作一个tf.keras.layers用 装饰的包装函数add_arg_scope，但它是处理 tf.keras 中层的正确方法吗？我也想知道为什么 keras 不支持 arg_scope 糖语法。

标签： tensorflowkeras