tensorflow - 关于 keras 模型 : __call__ vs. 调用与预测方法的混淆

Question

我意识到我不太明白调用 __call__ 之间的区别。 , call , 或 predict Keras模型的方法。

例如，我们有一个经过训练的 keras 模型。调用代码后:

# After training.
y_pred_1 = model(X_new)
y_pred_2 = model.call(X_new)
y_pred_3 = model.predict(X_new)

我预计 y_pred_1 , y_pred_2 , 和 y_pred_3都是一样的。
但事实证明，它们并不相同。

你能向我解释一下区别吗？

Answer 1

只是为了补充答案，因为我也在寻找这个。当需要为推理阶段指定模型的训练标志时，例如，model(X_new, training=False)例如，当你有一个批量归一化层时，两个 predict和 predict_on_batch当他们被执行时已经这样做了。
所以，model(X_new, training=False)和 model.predict_on_batch(X_new)是等价的。predict的区别和 predict_on_batch是后者在单个批次上运行，而前者在一个数据集上运行，该数据集被拆分为多个批次并将结果合并以生成最终的 numpy 预测数组。
除了@Dmitry Kabanov 提到的不同之外，这些函数会生成不同类型的输出，__call__生成一个张量，和 predict和 predict_on_batch生成 numpy.ndarray ， 和
according to the documentation , __call__比 predict 快小规模输入的功能，即适合一批。