Question

我必须使用 tensorflow 1.15 并且需要一个自定义层。一个非常简单的层看起来像这样：

class Dummy(keras.layers.Layer):
    def __init__(self, units=32, input_dim=32):
        super(Dummy, self).__init__()
        self.cnt = 1
    def call(self, inputs):
        self.cnt += 1
        return inputs

如果我在任何架构中使用这个虚拟层，变量 cnt 只设置为 2。我错过了什么？

这是一个非常简单的虚拟脚本来展示我的问题：

import numpy as np
import keras
from keras.models import Sequential
from keras.layers import Conv2D, Activation
from tensorflow import set_random_seed
from numpy.random import seed

seed(312991)
set_random_seed(3121991)

class Dummy(keras.layers.Layer):
    def __init__(self, units=32, input_dim=32):
        super(Dummy, self).__init__()
        self.cnt = 1
    def call(self, inputs):
        self.cnt += 1
        return inputs  

# creating the input image
input_img = np.ones(shape=(8,8,3))

#adjust range
input_img_adjusted = input_img / 255
target = input_img_adjusted[:,:,0:2]

model = Sequential()
model.add(Conv2D(2, (3, 3),input_shape=input_img.shape, padding='same'))
model.add(Dummy())
model.add(Activation('sigmoid'))

opt = keras.optimizers.Adam(0.001)
model.compile(optimizer=opt,
              loss="mean_absolute_error")

hist = model.fit(np.array(2048*[input_img_adjusted]),np.array(2048*[target]),epochs=100,batch_size=32)

print("called the Dummy Layer:", model.layers[-2].cnt)

我的假设是它类似于 32,32*100 或类似的东西。

Answer 1

必须使用 tf.Variable 和 assign_add 进行初始化和添加

class Dummy(keras.layers.Layer):
    def __init__(self, units=32, input_dim=32):
        super(Dummy, self).__init__()
        self.cnt = tf.Variable(1, trainable=False)

    def call(self, inputs):
        self.cnt = self.cnt.assign_add(1)
        return inputs

为什么我的 Keras 自定义层只被调用一次？

1 个答案: