Question

我正在尝试在 tensorflow 1.10 中使用Keras的Model.fit_generator。

简化的可复制代码：

import tensorflow as tf
import numpy as np

class TestNet(tf.keras.Model):
    def __init__(self, class_count, name='TestNet', **kwargs):
        super(TestNet, self).__init__(name=name, **kwargs)
        self.convolution = tf.keras.layers.Conv1D(class_count, kernel_size=1, input_shape=(None, 3))

    def call(self, points):
        return self.convolution(points)

def segmentation_loss(labels, logits):
    cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(
        labels=labels, logits=logits)
    return tf.reduce_mean(cross_entropy)

def generate():
    while True:
        yield (np.zeros(shape=(100,3)), np.zeros(shape=(100)))

if __name__ == "__main__":
    test_net = TestNet(class_count=5)
    optimizer = tf.keras.optimizers.Adam()
    test_net.compile(optimizer, loss=segmentation_loss)
    history = test_net.fit_generator(generate, steps_per_epoch=1000, epochs=10)

虽然这在tensorflow 1.14中有效，但在1.10中执行将在标题中产生NotImplementedError：

NotImplementedError：尚未为未构建的Model子类启用fit_generator

有人知道如何解决这个问题吗？

Answer 1

我在fit_generator中看到一个错误，请对此进行更新：

history = test_net.fit_generator(generate(), steps_per_epoch=1000, epochs=10)

现在，我不知道Tensorflow 1.10是如何工作的，但是这种建模是相当新的，通常是这样构建Keras模型的：

#model's inputs
inputs = Input((None,3))

#model's layers
convolution = Conv1D(class_count, kernel_size=1)

#model's call
outputs = convolution(inputs)

#model finish
test_net = Model(inputs, outputs)

为您解决的方法：

inputs = Input(shape)
test_net = TestNet(...)
outputs = test_net.call(inputs)
test_net_model = Model(inputs, outputs)

尚未为未构建的Model子类启用`fit_generator`

1 个答案: