时间戳

首页 > 解决方案 > 如何在 Call() 方法中保存带有位置参数的 keras 子类模型？

tensorflow - 如何在 Call() 方法中保存带有位置参数的 keras 子类模型？

问题描述

import tensorflow as tf

class MyModel(tf.keras.Model):

    def __init__(self):
        super(MyModel, self).__init__()
        self.dense1 = tf.keras.layers.Dense(4, activation=tf.nn.relu)
        self.dense2 = tf.keras.layers.Dense(5, activation=tf.nn.softmax)

    @tf.function
    def call(self, enc_input, dec_input, training, mask1, mask2, mask3):
        x = self.dense1(enc_input)
        return self.dense2(x)

x = tf.random.normal((10,20))

model = MyModel()

y = model(x, x, False, None, None, None)

tf.keras.models.save_model(model, '/saved')

当我尝试保存模型时，即使我传递了所有参数，也会引发错误。

tf__call() missing 4 required positional arguments: 'training', 'mask1', 'mask2', and 'mask3'

如何保存整个模型而不仅仅是保存权重？

标签： tensorflowkerastensorflow2.0tf.keras

解决方案

我认为在更改之后执行此操作会起作用

 #def call(self, enc_input, dec_input, training, mask1, mask2, mask3):
 def call(self, enc_input, dec_input, training=False, mask1=None, mask2=None, mask3=None):

挖掘之后，我认为对函数参数进行了完整性检查，如果未指定位置参数，则 x 之后的参数将被视为 **kwargs 参数（我对此不太确定）。但是为了它，如果你不想设置参数的默认映射，你可以解压它们，这样每个参数都会放在它对应的位置，如下所示：

y = model(*[x,x,False,None,None,None])

推荐阅读