python - 在估计器 model_fn 中使用 keras 模型 API 时出现无效参数错误

Question

model_fn对于我构建的自定义估计器，如下所示，

def _model_fn(features, labels, mode):
      """
        Mask RCNN Model function
      """
      self.keras_model = self.build_graph(mode, config)

      outputs = self.keras_model(features) # ERROR STATEMENT
      # outputs = self.keras_model(list(features.values())) # Same ERROR with this statement

      # Predictions
      if mode == tf.estimator.ModeKeys.PREDICT:
        ... # Defining Prediction Spec

      # Training
      if mode == tf.estimator.ModeKeys.TRAIN:
        # Defining Loss and Training Spec
        ...

      # Evaluation
      ...

_model_fn()接收参数 features和labels来自tf.data形式:

features = {
'a' : (batch_size, h, w, 3) # dtype: float
'b' : (batch_size, n) # # dtype: float
}
# And
labels = []

self.keras_model使用 tensorflow.keras.models.Model 构建 具有名称 tensorflow.keras.layers.Input() 的输入占位符(使用层 'a' 定义)的 API和'b'对于各自的形状。

使用 train_and_evaluate() 运行估算器后_model_fn运行良好。该图已初始化，但当训练开始时我面临以下问题:

tensorflow.python.framework.errors_impl.InvalidArgumentError: You must feed a value for placeholder tensor 'a' with dtype float and shape [?,128,128,3] [[{{node a}}]]

我以前曾使用过自定义估算器，这是第一次使用 tensorflow.keras.models.Model _model_fn 内的 API计算图表。

Answer 1

此问题仅出现在特定模型 (Mask-RCNN) 中。为了解决这个问题，可以在方法 self.build_graph(mode, config) 中进行一些细微的修改，如下所示:

def build_graph(mode, config):
    # For Input placeholder definition
    a = KL.Input(tensor=features['a'])
    # Earlier
    # a = KL.Input(shape=[batch_size, h, w, 3], name='a')

    b = KL.Input(tensor=features['b'])
    # Earlier
    # b = KL.Input(shape=[batch_size, n], name='b')
    ...
    ...

这些修改将特征张量直接包装到 tensorflow.keras.layers.Input() 中。稍后可以在使用tensorflow.keras.models.Model定义模型时使用它来定义输入参数。