我在 Keras 中构建了一个简单的自定义层,惊讶地发现参数默认情况下并未设置为可训练。我可以通过显式设置可训练属性来让它工作。我无法通过查看文档或代码来解释为什么会这样。这是应该的样子还是我做错了什么导致默认情况下参数不可训练? 代码:
import tensorflow as tf
class MyDense(tf.keras.layers.Layer):
def __init__(self, **kwargs):
super(MyDense, self).__init__(kwargs)
self.dense = tf.keras.layers.Dense(2, tf.keras.activations.relu)
def call(self, inputs, training=None):
return self.dense(inputs)
inputs = tf.keras.Input(shape=10)
outputs = MyDense()(inputs)
model = tf.keras.Model(inputs=inputs, outputs=outputs, name='test')
model.compile(loss=tf.keras.losses.MeanSquaredError())
model.summary()
输出:
Model: "test"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_1 (InputLayer) [(None, 10)] 0
_________________________________________________________________
my_dense (MyDense) (None, 2) 22
=================================================================
Total params: 22
Trainable params: 0
Non-trainable params: 22
_________________________________________________________________
如果我像这样更改自定义图层创建:
outputs = MyDense(trainable=True)(inputs)
输出是我所期望的(所有参数都是可训练的):
=================================================================
Total params: 22
Trainable params: 22
Non-trainable params: 0
_________________________________________________________________
然后它按预期工作并使所有参数都可训练。我不明白为什么需要这样做。
最佳答案
毫无疑问,这是一个有趣的怪癖。
当制作自定义层时,tf.Variable
将自动包含在 trainable_variable
列表中。您没有使用 tf.Variable
,而是使用 tf.keras.layers.Dense
对象,它不会被视为 tf.Variable
,并且默认不设置 trainable=True
。但是,您使用的 Dense
对象将被设置为可训练的。见:
MyDense().dense.trainable
True
如果您使用了 tf.Variable
(它应该如此),默认情况下它将是可训练的。
import tensorflow as tf
class MyDense(tf.keras.layers.Layer):
def __init__(self, units=2, input_dim=10):
super(MyDense, self).__init__()
w_init = tf.random_normal_initializer()
self.w = tf.Variable(
initial_value=w_init(shape=(input_dim, units), dtype="float32"),
trainable=True,
)
b_init = tf.zeros_initializer()
self.b = tf.Variable(
initial_value=b_init(shape=(units,), dtype="float32"), trainable=True
)
def call(self, inputs, **kwargs):
return tf.matmul(inputs, self.w) + self.b
inputs = tf.keras.Input(shape=10)
outputs = MyDense()(inputs)
model = tf.keras.Model(inputs=inputs, outputs=outputs, name='test')
model.compile(loss=tf.keras.losses.MeanSquaredError())
model.summary()
Model: "test"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_11 (InputLayer) [(None, 10)] 0
_________________________________________________________________
my_dense_18 (MyDense) (None, 2) 22
=================================================================
Total params: 22
Trainable params: 22
Non-trainable params: 0
_________________________________________________________________
关于python - 默认情况下,Keras 自定义层参数是不可训练的吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65475110/