Question

我使用tf.keras构建了一个完全连接的ANN“ my_model”。然后，我试图使用来自TensorFlow的Adam优化器来最小化函数f(x) = my_model.predict(x) - 0.5 + g(x)。我尝试了以下代码：

x = tf.get_variable('x', initializer = np.array([1.5, 2.6]))
f = my_model.predict(x) - 0.5 + g(x)
optimizer = tf.train.AdamOptimizer(learning_rate=.001).minimize(f) 
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    for i in range(50):
        print(sess.run([x,f]))
        sess.run(optimizer)

但是，执行my_model.predict(x)时出现以下错误：

如果数据采用符号张量形式，则应指定steps参数（而不是batch_size参数）

我知道错误是什么，但是我无法弄清楚如何在存在符号张量的情况下使my_model.predict(x)起作用。如果从功能my_model.predict(x)中删除了f(x)，该代码将运行而不会出现任何错误。

我检查了以下link，link，其中使用TensorFlow优化器来最小化任意函数，但是我认为我的问题是使用底层 keras { 1}}函数。感谢您的帮助。提前致谢！

Answer 1

我找到了答案！

基本上，我正在尝试优化一个经过训练的ANN的函数，而不需要输入ANN的输入变量。因此，我只想知道如何调用my_model并将其放在f(x)中。在这里深入研究Keras文档：https://keras.io/getting-started/functional-api-guide/，我发现所有Keras模型都可以调用，就像模型的层一样！引用链接中的信息，

..您可以将任何模型都视为图层，方法是在张量。请注意，通过调用模型，您不仅可以重复使用该模型的体系结构，您还在重用它的权重。

与此同时，model.predict(x)部分期望x是numpy数组或评估张量，并且不将tensorflow变量作为输入（https://www.tensorflow.org/api_docs/python/tf/keras/Model#predict）。

因此以下代码有效：

## initializations
sess = tf.InteractiveSession()
x_init_value = np.array([1.5, 2.6])
x_placeholder =  tf.placeholder(tf.float32)
x_var = tf.Variable(x_init_value, dtype=tf.float32)

# Check calling my_model
assign_step = tf.assign(x_var, x_placeholder)
sess.run(assign_step, feed_dict={x_placeholder: x_init_value})
model_output = my_model(x_var) # This simple step is all I wanted!
sess.run(model_output) # This outputs my_model's predicted value for input x_init_value

# Now, define the objective function that has to be minimized
f = my_model(x_var) - 0.5 + g(x_var) # g(x_var) is some function of x_var

# Define the optimizer
optimizer = tf.train.AdamOptimizer(learning_rate=.001).minimize(f) 

# Run the optimization steps
for i in range(50): # for 50 steps
    _,loss = optimizer.minimize(f, var_list=[x_var])
    print("step: ", i+1, ", loss: ", loss, ", X: ", x_var.eval()))

使用TensorFlow优化器优化涉及tf.keras的“ model.predict（）”的函数？

1 个答案: