python - 如何在eager执行模式下获取keras模型的可训练变量？

Question

我使用的是tensorflow 1.15.0。

我使用 tf.keras 构建自己的模型。但是当我尝试使用 Saver 保存模型时:

saver = tf.compat.v1.train.Saver(var_list=tf.trainable_variables())

我发现tf.trainable_variables()在急切执行模式下总是返回空列表。

这是一个简单的代码示例:

import numpy as np
import tensorflow as tf
from tensorflow import keras

tf.enable_eager_execution()

def create_model():
    inlayer = keras.Input(shape=(10), name="input")
    outlayer = keras.layers.Dense(1, activation='relu')(inlayer)
    
    model = keras.Model(
        inputs=inlayer,
        outputs=outlayer,
    )
    
    optimizer = tf.keras.optimizers.Adam(0.0001)
           
    model.compile(optimizer=optimizer,
                  loss='mae') 
    return model

model = create_model()

history = model.fit(np.zeros((1, 10)), np.zeros((1, 10)), epochs=1)

tf.trainable_variables()

输出为[]。

有人可以告诉我为什么会发生这种情况以及如何获得 keras 模型的 trainable_variables 吗？

谢谢。

Answer 1

您应该使用model.trainable_variables。