为了说明这个问题,请考虑以下模型的(完全人为的)示例:
import numpy as np
from tensorflow.keras.utils import Sequence
from tensorflow.keras.callbacks import Callback
from tensorflow.keras import backend as K
from tensorflow.keras.layers import Input, Dense
from tensorflow.keras.models import Model
class RandomSeq(Sequence):
def __len__(self):
return 5
def __getitem__(self, idx):
return (np.array([np.arange(39).reshape((39,)) for i in range(100)]),
np.array([-np.arange(39).reshape((39,)) for i in range(100)]))
class Foo(Callback):
def __init__(self, d):
super(Foo, self).__init__()
self._d = d
def on_epoch_end(self, epoch, logs=None):
print(epoch)
print(K.eval(self._d))
x = Input(shape=(39,), dtype='float32', name='input')
y_pred = Dense(39)(x)
y_another = x * 2
m = Model(inputs=x, outputs=y_pred)
m.compile(optimizer='sgd', loss='mse')
seq = RandomSeq()
m.fit_generator(seq, epochs=5, callbacks=[Foo(y_another)])
RandomSeq
只是一个返回 x
和 y
批处理的序列。 Foo
是一个回调,它将尝试在纪元结束时评估附加数量 d
。对我来说,如果我选择 d
为 y_pred
或 y_another
,那么 Keras 会提示占位符 x
(input
) 未被馈送。
You must feed a value for placeholder tensor 'input_1' with dtype float and shape [?,39]
这是预期的行为吗?如果是这样,是否有另一种方法来计算 Keras 回调中的节点?请注意,如果没有计算上述图形节点的回调,则该示例可以正常工作。
最佳答案
这不是正确的做法。 运行 K.eval(y_another) 你要求 keras 后端评估一个 Input 对象(它只是你想输入网络的数据的占位符)而不用任何数据输入它,这就是你出错的原因。
因此,假设你想计算网络的输出,给定一个新的输入,这个新输入是一个随机序列乘以 2(这样对吗?),那么你应该修改 on_epoch_end(self, epoch , logs=None)
在你的回调中如下:
x, _ = next(RandomSeq())
print(self.model.predict(x*2))
关于python - Keras 无法在回调中计算图形节点,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51871328/