当我使用tensorflow2的子类化API时，会出现一些奇怪的问题：有些层可以重用，有些不能，为什么

编程问答 2022-06-06

问题描述

在下面的两个示例中，它们都使用子类来构造相同的模型。关于重用的层会出现一些奇怪的问题。一个层不能重用所有层，另一个不能重用一部分层，例如卷积，批处理规范化，但可以重用激活层。
为什么？

tensorflow版本：2.0.0

1。使用tensorflow中的现有层。

所有层都无法重用，例如卷积，批处理或激活。
在以下代码中，当我在调用函数中将“ conv2”更改为“ conv”或将“ bn2”更改为“ bn”或将“ ac2”更改为“ ac”时，就会抛出错误。

import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf
from tensorflow.keras.layers import Conv2D,Batchnormalization,ReLU


class Models(tf.keras.Model):
    def __init__(self):
        super().__init__()

        self.conv = Conv2D(16,(3,3),padding='same')
        self.bn = Batchnormalization()
        self.ac = ReLU()

        self.conv2 = Conv2D(32,padding='same')
        self.bn2 = Batchnormalization()
        self.ac2 = ReLU()

    def call(self,x,**kwargs):
        x = self.conv(x)
        x = self.bn(x)
        x = self.ac(x)

        x = self.conv2(x)
        x = self.bn2(x)
        x = self.ac2(x)

        return x


m = Models()
m.build(input_shape=(2,8,3))
m.summary()

在恢复图层时会抛出一些错误，例如：

  1. 重新使用Batchnormalization层：
ValueError: Input 0 of layer batch_normalization is incompatible with the layer: expected axis 3 of input shape to have value 16 but received input with shape [2,32]
  1. 重复使用污染层：
ValueError: Input 0 of layer conv2d is incompatible with the layer: expected axis -1 of input shape to have value 3 but received input with shape [2,16]
  1. 重用激活层：
ValueError: You tried to call `count_params` on re_lu_1,but the layer isn't built. You can build it manually via: `re_lu_1.build(batch_input_shape)`.

2。使用从tensorflow扩展的自定义层。

在下面的代码中，重用的卷积/ Bactchnorization层的结果与以前的代码完全相同，但是激活层可以重用！

import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

import tensorflow as tf
from tensorflow.keras import layers


class DoubleConv(layers.Layer):

    def __init__(self,mid_kernel_numbers,out_kernel_number):
        """
        初始化含有两个卷积的卷积块

        :param mid_kernel_numbers: 中间特征图的通道数
        :param out_kernel_number: 输出特征图的通道数
        """
        super().__init__()
        self.conv1 = layers.Conv2D(mid_kernel_numbers,padding='same')
        self.conv2 = layers.Conv2D(out_kernel_number,padding='same')
        self.bn = layers.Batchnormalization()
        self.bn2 = layers.Batchnormalization()
        self.ac = layers.ReLU()
        self.ac2 = layers.ReLU()

    def call(self,input,**kwargs):
        """正向传播"""
        x = self.conv1(input)
        x = self.bn(x)
        x = self.ac(x)

        x = self.conv2(x)
        x = self.bn2(x)
        x = self.ac2(x)
        return x


class Model(tf.keras.Model):

    def __init__(self):
        """
        构建模型的类
        """
        super().__init__()
        # 初始化卷积块
        self.block = DoubleConv(16,32)

    def call(self,**kwargs):
        x = self.block(x)

        return x


m = Model()
m.build(input_shape=(2,3))
m.summary()

在恢复图层时会抛出一些错误，例如：

  1. 重新使用Batchnormalization层：
ValueError: Input 0 of layer batch_normalization is incompatible with the layer: expected axis 3 of input shape to have value 16 but received input with shape [2,32]
  1. 重复使用污染层：
AttributeError: 'DoubleConv' object has no attribute 'conv'

我的猜测有两种可能性：

一个与层的名称有关，另一个与参数有关。激活层不需要参数。 但是这些无法解释为什么存在差异。

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@）

deep-learningkeraskerasmodelmodelmodelsubclassingtensorflowtensorflowtensorflow