时间戳

首页 > 解决方案 > 如何在自定义 keras 模型中添加 tf.keras.Input？

python - 如何在自定义 keras 模型中添加 tf.keras.Input？

问题描述

我正在编写一个自定义 keras 模型，这是我的代码：

class Model(tf.keras.Model):
def __init__(self, first_layer, num_classes):
    super(Model, self).__init__()

    self.layer_1 = tf.keras.layers.Dense(first_layer, activation='relu')
    self.layer_2 = tf.keras.layers.Dense(num_classes, activation='softmax')

def call(self,inp):

    output = self.layer_1(inp)
    output = self.layer_2(output)

    return output

但我收到此错误：

ValueError: The last dimension of the inputs to `Dense` should be defined. Found `None`.

我找到了 tf.keras.input，但是所有的例子都是顺序模型，例如顺序模型，这是 keras.input 的解决方案：

 encoder_input = keras.Input(shape=(28, 28, 1), name="img")
 x = layers.Conv2D(16, 3, activation="relu")(encoder_input)
 x = layers.Conv2D(32, 3, activation="relu")(x)

但是我如何在自定义 keras 模型中引入它？

请

标签： pythontensorflowkeras

解决方案

版本：TF 2.6

编辑代码：

import tensorflow as tf
class Model(tf.keras.Model):
 def __init__(self, first_layer, num_classes):
    super(Model, self).__init__()

    self.layer_1 = tf.keras.layers.Dense(first_layer, activation='relu')
    self.layer_2 = tf.keras.layers.Dense(num_classes, activation='softmax')

 def call(self,inp):

    output = self.layer_1(inp)
    output = self.layer_2(output)

    return output

encoder_input = tf.keras.Input(shape=(28, 28, 1))
x = tf.keras.layers.Conv2D(16, 3, activation="relu")
 #x = layers.Conv2D(32, 3, activation="relu")(x)

model = Model(5,3) #instantiated the model 
y=model(encoder_input)#took input

print(y)

输出：

KerasTensor(type_spec=TensorSpec(shape=(None, 28, 28, 3), dtype=tf.float32, name=None), name='model_4/dense_6/Softmax:0', description="created by layer 'model_4' ")

参考： https ://www.tensorflow.org/guide/keras/custom_layers_and_models

推荐阅读