时间戳

首页 > 解决方案 > 如何模拟张量流模型？

python - 如何模拟张量流模型？

问题描述

我想测试一个接受tf.keras模型并对其执行一些操作的函数。说明问题的示例函数：

def func(model, x):
    with tf.GradientTape() as tape:
        tape.watch(x)
        output = model(x)
        # do some additional stuff with output
        gradient = np.array(tape.gradient(output, x))
        # do some additional stuff with gradient
        return gradient

我想知道模拟的最佳主意model是什么。
可能的解决方案：

  1. 使用具有设定权重的小型网络。这个最容易实现，但是
    a) 计算时间比简单的模拟要长。
    b) 很难控制模型返回的内容。

  2. 使用单元测试或pytest. 这将直接失败，因为没有创建可以链接x和的计算图output。

  3. 移动tape.gradient(output, x)到另一个函数，然后在测试期间模拟这个函数并model(x)使用单元测试或 pytest。我认为这是最好的，但它func的可读性较差（尤其是如果必须将更多特定于 tf 的元素移动到各种其他功能时）。

有没有更好的办法？理想情况下，我想：

  1. 表示给定输入的该模型x返回给定输出y。
  2. y表示给定输出相对于给定输入的梯度x是z。
  3. y表示给定层的给定输出的梯度l是l'。
  4. 尽量减少对func.

标签： pythonunit-testingtensorflowtf.keras

解决方案

推荐阅读