如何使用支持遮罩的 keras Functional API 创建自定义层？

编程问答 2022-05-26

问题描述

我想使用 Functional API 创建一个支持掩码的自定义层，这意味着它在输入张量上传播掩码，以便输出也被掩码。

Keras 指南中有明确的说明，用于使用子类对自定义层执行此操作。这是一个支持遮罩的自定义图层的简单示例：

import tensorflow as tf


class CustomLayer(tf.keras.layers.Layer):
    def __init__(self,multiplier=2.0):
        super(CustomLayer,self).__init__()
        self.multiplier = multiplier
        self.supports_masking = True

    def call(self,inputs):
        return inputs * self.multiplier

当我们传递带有掩码的张量 x_emb 时，我们会看到它被传播：

raw_inputs = [
    [711,632,71],[73,8,3215,55,927],[83,91,1,645,1253,]

padded_inputs = tf.keras.preprocessing.sequence.pad_sequences(
    raw_inputs,padding="post"
)

embedding = tf.keras.layers.Embedding(5000,16,mask_zero=True)
x_emb = embedding(padded_inputs)

custom_layer = CustomLayer()
output1 = custom_layer(x_emb)
print(output1._keras_mask)

顺序 API 自动支持屏蔽（假设其所有组成层都支持）。例如：

sequential_layer = tf.keras.Sequential([
    custom_layer,custom_layer
])
output2 = sequential_layer(x_emb)
print(output2._keras_mask)

我的问题是如果可能的话，如何让函数式 API 也支持屏蔽？默认情况下它不会：

inputs = tf.keras.layers.Input(shape=(None,))
outputs = custom_layer(inputs)
functional_layer = tf.keras.Model(inputs=inputs,outputs=outputs)
output3 = functional_layer(x_emb)
print(output3._keras_layer)

## AttributeError: 'tensorflow.python.framework.ops.EagerTensor' object has no attribute '_keras_layer'

编辑：这里没有问题。我用_keras_layer代替_keras_mask做了一个尴尬的字体。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

keraskerasmaskingtensorflowtensorflowtensorflow