python - 是否可以在子类模型中使用 Tensorflow Keras 函数式 API？

Question

我正在尝试创建一个 keras 模型，它需要对输入进行特定的预处理，然后才能被模型本身调用。我正在子类化，因为模型只是复杂网络的一部分，所以我可以连接输出并直接从代码的其他部分访问模型行为......等等。

我设计它的方式是在构造函数中使用 keras 函数式 API 链接层，如果我不定义call 方法(它的行为似乎与我在调用实例时正常使用 fAPI 完全一样)。

我的问题是当我DO 想要定义call 方法时，我不确定要调用哪个函数来访问已编译模型的默认行为构造函数:

import tensorflow as tf
import numpy as np

class MyModel(tf.keras.Model):

  def __init__(self, inputshape):
    inputs = tf.keras.Input(shape=inputshape)
    x = tf.keras.layers.Dense(4, activation=tf.nn.relu)(inputs)
    outputs = tf.keras.layers.Dense(5, activation=tf.nn.softmax)(x)

    super(MyModel, self).__init__(inputs=inputs, outputs=outputs)


  def call(self, inputs, training=False):
    reduced_input = tf.expand_dims(inputs['b'], axis=0)

    # Want to call my compiled self MODEL with 'reduced_input' as the input argument but not sure how...
    return something(reduced_input)


myModelInstance = MyModel(inputshape=(3,))
myInput = {'a': [1, 2], 'b': np.array([3, 4, 5]), 'c': 6}

# Example preprocessing that I want to implement from within the model when called. Won't be this simple
reduced_input  = tf.expand_dims(myInput['b'], axis=0)

print(myModelInstance(reduced_input ))

在此代码段中，我简化了构造函数和输入预处理(此处它仅从输入中提取“b”元素并添加批处理维度)，但我的实际实现更为复杂。

我希望 a) 避免在调用实例之前 预处理数据，b) 将 Model 子类化，而不是将模型存储为类属性。 p>

有没有办法像我正在尝试的那样将模型子类化与函数式 API 结合起来？

Answer 1

你应该这样做:

class MyModel(tf.keras.Model):

  def __init__(self, inputshape):
    super(MyModel, self).__init__()
    inputs = tf.keras.Input(shape=inputshape)
    x = tf.keras.layers.Dense(4, activation=tf.nn.relu)(inputs)
    outputs = tf.keras.layers.Dense(5, activation=tf.nn.softmax)(x)
    self.model = tf.keras.Model(inputs, outputs)

  def call(self, inputs, training=False):
    reduced_input = tf.expand_dims(inputs['b'], axis=0)

    # Want to call my compiled self MODEL with 'reduced_input' as the input argument but not sure how...
    return self.model(reduced_input)


myModelInstance = MyModel(inputshape=(3,))
myInput = {'a': [1, 2], 'b': np.array([3, 4, 5]), 'c': 6}

# Example preprocessing that I want to implement from within the model when called. Won't be this simple
#reduced_input  = tf.expand_dims(myInput['b'], axis=0)

print(myModelInstance(myInput))