python - 断言在神经网络中做什么？

Question

我看到了 NN 某些层之间的断言层。

model = tf.keras.Sequential()
    model.add(layers.Dense(7*7*256, use_bias=False, input_shape=(100,)))
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())

    model.add(layers.Reshape((7, 7, 256)))
    assert model.output_shape == (None, 7, 7, 256) # Note: None is the batch size

这个断言有什么作用？这有必要吗？

https://www.tensorflow.org/alpha/tutorials/generative/dcgan

Answer 1

断言正如其名，断言! 在Python中，我们使用“assert”命令来确定语句是否完全等于我们的期望。看这个简单的代码:

a = 2
b = 3
assert a + b == 5

这部分代码运行没有任何错误，因为 a + b 正是我们所期望的 5。但是如果你这样更改代码:

assert a + b == 6 # 6 or other any number except 5,It doesn't matter

代码将抛出断言错误，因为 a + b != 6 ... 您提到的代码中的断言命令检查模型的输出是否完全符合 7 * 7 * 256 的形状，否则会引发错误。 这对于防止下一行代码中由于尺寸不匹配而可能出现的问题很有用，因此，如果删除它，什么也不会发生，但如果尺寸不是您期望的尺寸，您也不会被注意到。