Question

短篇小说：我正在构建一个自动编码器，并希望在训练过程中存储重建的图像。我做了一个自定义的回调，将图像写入摘要。剩下的唯一事情就是在callback.on_epoch_end(...)内调用我的重建层。如何访问回调内部的命名层并运行计算？

图层定义：

decode = layers.Conv2D(1, (5, 5), name='wwae_decode', activation='sigmoid', padding='same')(conv3)

回调定义：

class TensorBoardImage(tf.keras.callbacks.Callback):
    def __init__(self, tag, logdir):
        super().__init__()
        self.tag = tag
        self.logdir = logdir

    def on_epoch_end(self, epoch, logs={}):
        img_stack = self.validation_data[0][:3]
        # TODO: run img_stack through 'wwae_decode' layer first
        # img_stack = self?model?get_layer('wwae_decode').evaluate(img_stack) # ????
        single_image = merge_axis(img_stack, target_axis=2)
        summary_str = []
        single_image = (255 * single_image).astype('uint8')
        summary_str.append(tf.Summary.Value(tag=self.tag, image=make_image(single_image)))
            # multiple summaries can be appended
        writer = tf.summary.FileWriter(self.logdir)
        writer.add_summary(tf.Summary(value=summary_str), epoch)
        return

Answer 1

如果这是模型中的最后一层（即输出层），则可以在回调内简单地调用模型实例的predict方法：

# ...
img_stack = self.validation_data[0][:3]
preds_img_stack = self.model.predict(img_stack)
# ...

或者，您可以通过定义后端函数直接计算图层的输出：

from keras import backend as K

func = K.function(model.inputs + [K.learning_phase()], [model.get_layer('wwae_decode').output])

# ...
img_stack = self.validation_data[0][:3]
preds_img_stack = func([img_stack, 0])[0]
# ...

有关更多信息，建议您阅读Keras常见问题解答中的相关部分：How can I obtain the output of an intermediate layer?

如何在keras回调中调用model.evaluate（）？

1 个答案: