TensorFlow 2.0 - 模型子类化：无输入维度

Question

我正在阅读 TensorFlow 2.0 教程，并且遇到了模型子类化来创建 TensorFlow 2.0 模型。

我找到的代码是：

class MyModel(Model):
  def __init__(self):
    super(MyModel, self).__init__()
    self.conv1 = Conv2D(32, 3, activation='relu')
    self.flatten = Flatten()
    self.d1 = Dense(128, activation='relu')
    self.d2 = Dense(10, activation='softmax')

  def call(self, x):
    x = self.conv1(x)
    x = self.flatten(x)
    x = self.d1(x)
    return self.d2(x)

# Create an instance of the model
model = MyModel()

现在，在这段代码中，我的困惑是，代码的作者没有定义输入？

没有-

self.input_layer = Input(
            shape = (28, 28)
            )

# OR-

self.conv1 = Conv2D(32, 3, activation='relu', input_dim = (28, 28)

定义的模型如何知道从训练数据中期望有多少属性/特征？

谢谢

Answer 1

根据 Francois Chollet 的说法，您的问题的答案如下（关于比较（功能+顺序与模型 API）：

您可以在一个程序中执行所有这些操作（打印输入/输出形状） 功能或顺序模型，因为这些模型是静态图 层数。

相比之下，子类化模型是一段 Python 代码（调用 方法）。这里没有图层图。我们无法知道如何层 彼此连接（因为这是在正文中定义的 调用，而不是作为显式数据结构），因此我们无法推断输入/ 输出形状

此处提供了这 3 种类型的更详细说明：https://medium.com/tensorflow/what-are-symbolic-and-imperative-apis-in-tensorflow-2-0-dfccecb01021

此处提供了如何通过混合函数 + 模型子类化 api 来实现此目的的示例（归功于 GitHub 上的 ixez）：

import tensorflow as tf
from tensorflow.keras.layers import Input

class MyModel(tf.keras.Model):
    def __init__(self):
        super().__init__()
        self.dense = tf.keras.layers.Dense(1)

    def call(self, inputs, **kwargs):
        return self.dense(inputs)

    def model(self):
        x = Input(shape=(1))
        return Model(inputs=[x], outputs=self.call(x))

MyModel().model().summary()