Question

经过两天的激烈搜索，我没有在 keras docs/stack of 中找到答案。

我正在尝试创建一个自定义层，以某种概率对每个批次执行增强（现在为 1 以进行演示）。数据为单通道图像。

我需要一种方法来知道增强是否在训练时实际发生，因为增强函数内的打印仅在定义网络时发生一次，而在激活 fit 函数时发生另一次。

非常感谢任何帮助，谢谢！

基本的可运行工作示例，注意来自 call() 的打印数量：

from tensorflow.keras.layers import Input, Dense, Conv2D, Flatten
from tensorflow.keras.models import Sequential
import random
import numpy as np
import tensorflow as tf
from tensorflow.keras import optimizers


# Custom Augmentation layer
class AugmentationLayer(tf.keras.layers.Layer):
    def __init__(self, p):
        super(AugmentationLayer, self).__init__()
        self.p = p

    def call(self, inputs, training=None):
        if not training:
            return inputs
        print('Enter Custom layer call, training = ', training)
        
        if random.random() < self.p:  
            inputs *= 2
        return inputs

# Training Script

# parameters
height = 38
width = 22
numClasses = 2
ydata = np.array([[1, 0], [1, 0]])   # hot-encoded labels

# create 2 images for network training data
Xdata = []
for i in range(2):
    xx = np.random.uniform(-1, 1, (height, width))
    Xdata.append(xx)

# create array from list
Xdata = np.array(Xdata)

# make dims n_samples X height X width X channels = (2, 38, 22, 1)
Xdata = np.reshape(Xdata, (Xdata.shape[0], Xdata.shape[1], Xdata.shape[2], 1))

model = Sequential()
model.add(Input(shape=(height, width, 1)))
model.add(AugmentationLayer(1))                   # Added custom layer
model.add(Conv2D(32, (2, 2), activation='relu'))
model.add(Flatten())
model.add(Dense(numClasses, activation='softmax'))

model.compile(
    loss='categorical_crossentropy',
    metrics=['accuracy'],
    optimizer=optimizers.Adam(learning_rate=0.001))

model.summary()

model.fit(
    Xdata,
    ydata,
    epochs=10,
    batch_size=2,
    verbose=1)

Answer 1

如果您使用 tf.print()，它也会在图形执行中运行时打印。您可以在此处阅读更多相关信息：https://www.tensorflow.org/api_docs/python/tf/print。

Answer 2

对于将来的某个人，我会补充一点，在编译模型时，出于性能目的，有一个默认值会阻止某些函数从自定义层内部运行（这就是常规 print() 不起作用的原因）。其中包括：print()、np.save() 等等。

model.compile(..., run_eagerly=False)   # default

如果要启用上述所有功能，请使用以下命令编译模型：

model.compile(..., run_eagerly=True)

Keras Tensorflow 自定义层仅调用一次

2 个答案: