Tensorflow 模型在调用 predict() 后无法添加节点

Question

import tensorflow as tf
from tensorflow.keras import Sequential
from tensorflow.keras.layers import LSTM, Conv1D, Dense
import numpy as np

#Create test data
X = np.array(list(range(100)))
X = np.reshape(X,(1,100,1))
print(X.shape)

#Model A
model_a = Sequential()
model_a.add(Conv1D(filters=1, kernel_size=10, strides=10, kernel_initializer = tf.keras.initializers.ones, use_bias = False, activation=None, padding='valid',input_shape=(100,1)))
model_a.add(Conv1D(filters=1, kernel_size=10, strides=10, kernel_initializer = tf.keras.initializers.ones, use_bias = False, activation=None, padding='valid',input_shape=(10,1)))
print(model_a.summary())
#Model A predict
predict_a = model_a.predict(X)
print(predict_a)
print(predict_a.shape)

#Model B
model_b = Sequential()
model_b.add(Conv1D(filters=1, kernel_size=10, strides=10, kernel_initializer = tf.keras.initializers.ones, use_bias = False, activation=None, padding='valid',input_shape=(100,1)))
#Make predict and add node after that
tmpPredict = model_b.predict(X)
#
model_b.add(Conv1D(filters=1, kernel_size=10, strides=10, kernel_initializer = tf.keras.initializers.ones, use_bias = False, activation=None, padding='valid',input_shape=(10,1)))
print(model_a.summary())
#Model B predict
predict_b = model_b.predict(X)
print(predict_b)
print(predict_b.shape)

模型 A 看起来不错，最终输出形状为 (1,1,1)。 但是模型 B 似乎无法在调用 predict() 函数之后添加新节点。为什么？

Answer 1

构建模型后，Tensorflow 会自动创建一个静态计算图（构建发生在您第一次调用模型时）。这是根据documentation 的tf.keras.Sequential 的默认行为：

默认情况下，我们会尝试将您的模型编译为静态图以提供最佳执行性能。

要改为急切地运行模型，您可以通过在调用 model.predict 之前调用 tf.config.run_functions_eagerly(True) 来禁用此图形构建。急切地运行模型应该允许您在调用model.predict 之后添加层。 有关静态计算图的更多信息，请参阅https://www.tensorflow.org/guide/intro_to_graphs