tensorflow - 为什么 tensorflow.contrib.framework.arg_scope 不适用于 tf.keras.layers?
问题描述
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。
解决方案
推荐阅读
- python - 端口转发不适用于 python 套接字
- html - 如何在 HTML 中创建下载该文件的链接
- windows - 我们可以使用 VC redist 2015 代替 VC2012 和 VC2013 吗?
- dart - 如何检测 Flutter 中布局的方向变化?
- python - DataFrame 单元格访问性能低下
- android - 如何将用于人脸识别的 ML Kit 模型保存到设备的持久存储中
- android - 在后台自动回复 WhatsApp 消息
- python - 网络爬虫无法在 Youtube 上运行
- drop-down-menu - 在 Yii2 中包含 where 语句时,下拉列表会抛出太少的 args 错误
- c++ - C ++媒体流的N-API连续回调