Question

我正在尝试使用TensorFlow2构建一些模型，因此我按如下方式创建我的模型的类：

import tensorflow as tf

class Dummy(tf.keras.Model):
    def __init__(self, name="dummy"):
        super(Dummy, self).__init__()
        self._name = name

        self.dense1 = tf.keras.layers.Dense(4, activation=tf.nn.relu)
        self.dense2 = tf.keras.layers.Dense(5, activation=tf.nn.softmax)

    def call(self, inputs, training=False):
        x = self.dense1(inputs)
        return self.dense2(x)

model = Dummy()
model.build(input_shape=(None,5))

现在我想绘制模型，而使用summary()会返回我期望的结果，plot_model(model, show_shapes=True, expand_nested=True)仅返回具有模型名称的块。

如何返回模型图？

Answer 1

Francois Chollet说：

您可以在屏幕上完成所有这些操作（打印输入/输出形状）功能或顺序模型，因为这些模型是静态图层。

相反，子类化模型是一段Python代码（调用方法）。此处没有图层图。我们不知道分层相互连接（因为这是在主体中定义的调用，而不是作为显式数据结构），因此我们无法推断输入/ 输出形状。

对此有两种解决方案：

您可以按顺序/使用Functional api构建模型。
您将'call'函数包装到如下所示的功能模型中：

class Subclass(Model)：

def __init__(self):
    ...
def call(self, x):
    ...

def model(self):
    x = Input(shape=(24, 24, 3))
    return Model(inputs=[x], outputs=self.call(x))


if __name__ == '__main__':
    sub = subclass()
    sub.model().summary()

答案从这里获取：model.summary() can't print output shape while using subclass model

此外，这是一篇不错的文章，内容为：https://medium.com/tensorflow/what-are-symbolic-and-imperative-apis-in-tensorflow-2-0-dfccecb01021

绘图模型不显示模型层，仅显示模型名称

1 个答案: