我想使用TF2的急切执行以“ pythonic”的方式造成损失,但是即使在急切模式下,Keras也会传递不急切的张量。
代码:
def conditional_loss(self,y_true,y_pred):
print(y_true)
return 0
def define_model(self):
self.model = keras.Sequential([
keras.layers.Dense(units=768),keras.layers.BatchNormalization(),keras.layers.ReLU(),keras.layers.Dropout(0.2),keras.layers.Dense(units=128),keras.layers.Dense(units=5,activation='softmax')
])
self.model.compile(optimizer='adam',loss=self.conditional_loss,metrics=[self.conditional_loss,keras.metrics.sparse_categorical_accuracy]
)
self.model.fit(
self.train_dataset,epochs=10,validation_data=self.test_dataset,callbacks=[tensorboard_callback,model_callback],)
如果我在y_true
中打印conditional_loss
,则TF将打印非急张量。
Tensor("metrics/conditional_loss/Cast:0",shape=(None,1),dtype=float32)
如果我构建自己的keras.Model()
,则可以使用参数dynamic=True
对其进行调用,以启用急切执行。 (Reference)。在keras.Sequential()
中存在一种实现方法?