Question

我目前正在Tensorflow中设计一个NoisyNet，为此我需要定义一个自定义层。复制包含该自定义图层的模型时，python会引发错误ValueError: Unknown layer: NoisyLayer。 here提供了该层的实现。

目标是复制一个网络以创建第二个网络实例。为此，我使用命令net_copy = copy.deepcopy(net_original)，只要我在要复制的模型中不包括上面提到的自定义层，该命令就可以使用。我看到了用于保存和加载的一种方法，可以指定自定义属性（例如自定义图层），但是我找不到适用于copy.deepcopy()的类似命令，其中复制是通过{{1 }}。

我在Python3中使用Tensorflow 1.12.0。

同样，自定义层位于上面的链接下。使用自定义层的网络如下所示：

import copy

打电话时

class Network:
    def __init__(self, actionspace_size, learning_rate, gradient_momentum, gradient_min):
        frames_input = keras.layers.Input((84, 84, 4))
        actions_input = keras.layers.Input((actionspace_size,))

        conv1 = keras.layers.Conv2D(16, (8, 8), strides=(4, 4), activation="relu")(frames_input)
        conv2 = keras.layers.Conv2D(32, (4, 4), strides=(2, 2), activation="relu")(conv1)

        flattened = keras.layers.Flatten()(conv2)

        # NoisyNet        
        hidden = NoisyLayer(activation=tf.nn.relu)(inputs=flattened, resample_noise_flag=True)
        output = NoisyLayer(in_shape=(1,256), out_units=actionspace_size)(inputs=hidden, resample_noise_flag=True)

        filtered_output = keras.layers.merge.Multiply()([output, actions_input])

        self.model = keras.models.Model(inputs=[frames_input, actions_input], outputs=filtered_output)

        self.model.compile(loss='mse', optimizer=keras.optimizers.RMSprop(lr=learning_rate, rho=gradient_momentum, epsilon=gradient_min))

出现以下错误：

q_net = Network(actionspace_size, learning_rate, gradient_momentum, gradient_min).
target_net = copy.deepcopy(q_net)

我知道网络本身不是问题（也不是Deepcopy方法），因为一旦我将NoisyLayers（自定义）替换为标准密集层，两者都可以正常工作。

有人知道如何复制包含自定义图层的Tensorflow模型吗？预先感谢！

Answer 1

找到了解决方案：

问题再次出在Tensorflow / Keras不知道如何解释自定义层的问题。因此，要提供有关如何解释图层的信息，可以使用Keras的CustomObjectScope并在该范围内复制模型，如下所示：

# Import
import copy
from keras.utils import CustomObjectScope

# Copy
with CustomObjectScope({"MyCustomLayer":MyCustomLayer}):
        model_copy = copy.deepcopy(model)

这负责复印部分。但是，只有在没有将自定义输入指定为自定义层的构造函数（__init(...)）的参数的情况下，这才是开箱即用的。

我猜是这样，因为在后台，copy（）函数似乎是临时保存的，然后使用某种pickle功能，然后再次加载原始模型，因此必须为进一步的构造方法声明值-参数以及如下：

如果自定义类的开头如下所示，则output_dim是上述自定义参数之一：

class MyCustomLayer(keras.layers.Layer):

    def __init__(self, output_dim, **kwargs):
        self.output_dim = output_dim
        super(MyCustomLayer, self).__init__(**kwargs)

然后必须向类MyCustomLayer中添加一个函数，该函数还应确保使自定义构造函数参数永久保存和加载（在复制时）：

def get_config(self):
        config = super(MyCustomLayer, self).get_config()

        # Specify here all the values for the constructor's parameters
        config['output_dim'] = self.output_dim

        return config

这两个步骤解决了我的问题。

使用Tensorflow调用copy.deepcopy（network）时出现“ ValueError：未知层：...”

1 个答案: