我想用 tf2.keras 獲得中間子模型層的輸出。這是一個由兩個子模塊組成的模型： input_shape = (100, 100, 3) def model1(): input = tf.keras.layers.Input(input_shape) cov = tf.keras.layers.Conv2D(filters=32, kernel_size=3, strides=1,name='cov1')(input) embedding_model = tf.keras.Model(input,cov,name='model1') return embedding_model def model2(embedding_model): input_sequence = tf.keras.layers.Input((None,) + input_shape) sequence_embedding = tf.keras.layers.TimeDistributed(embedding_model,name='time_dis1') emb = sequence_embedding(input_sequence) att = tf.keras.layers.Attention()([emb,emb]) dense1 = tf.keras.layers.Dense(64,name='dense1')(att) outputs = tf.keras.layers.Softmax()(dense1) final_model = tf.keras.Model(inputs=input_sequence, outputs=outputs,name='model2') return final_model embedding_model = model1() model2 = model2(embedding_model) print(model2.summary())
1 回答
慕妹3242003
TA貢獻1824條經驗 獲得超6個贊
那么為什么我們需要輸入一個額外的張量
簡短的回答是，TensorFlow 不知道在您期望的輸入之間建立聯系。出現問題是因為您將 Model （而不是Layer）傳遞給您的TimeDistributed圖層。這會留下Input你的model1懸掛層，除非你明確地向它傳遞一個輸入。該TimeDistributed層不夠智能，無法以這種方式處理模型。
我的解決方案取決于以下問題的答案，
你為什么需要model1？它只有一層Conv2D。你可以輕松做到
sequence_embedding = tf.keras.layers.TimeDistributed(
tf.keras.layers.Conv2D(filters=32, kernel_size=3, strides=1,name='cov1'),
name='time_dis1'
)
如果你這樣做，現在你必須改變以下幾行，
model1_output_layer = model2.get_layer('time_dis1').layer.get_layer('cov1')
output1 = model1_output_layer.get_output_at(0)
類似的東西（你想要的確切輸出將取決于你實際追求的是什么）
model1_output_layer = model2.get_layer('time_dis1')
output1 = model1_output_layer.output
# This output1 may need further processing depending on what you need
# e.g. if you need mean embeddings over time axis
output_mean = tf.keras.layers.Average(output1, axis=1)
這是因為您無法訪問層嵌套的層的輸出TimeDistributed。因為傳遞給圖層的圖層TimeDistributed實際上并沒有做任何事情。而且它沒有定義的output. 它只是作為圖層的模板放在那里，TimeDistributed使用它來計算輸出。因此，要從一個層獲取輸出TimeDistributed，您需要通過該層訪問它。
你試著按照你擁有的方式去做（而不是我的方式），你會得到，
AttributeError: Layer cov1 has no inbound nodes.
你可能會問，“為什么它以前有效”？
這是因為，在你有一個Modelthere 而不是Layer. 因為層被模型包裹起來了，所以定義了Conv2D層（因為它有層）。這又回到了原因，為什么它在嘗試定義.outputInputInputmodel1submodel
我知道這個解釋可能會讓你頭暈目眩，因為這個錯誤背后的原因非常復雜。但通過它幾次有望有所幫助。
添加回答
舉報
0/150
提交
取消