TensorFlow：设计自定义层时 __call__() 和 call() 的功能之间的区别？

Question

我在 TensorFlow 中设计了一个带有自定义层的神经网络。首先，我使用__call__() 定义前向传递，然后我调用了model.summary()。这给了我以下错误

ValueError: This model has not yet been built. Build the model first by calling `build()` or calling `fit()` with some data, or specify an `input_shape` argument in the first layer(s) for automatic build.  

但是，当我用call() 替换它时，它工作得很好。

问：我想了解幕后情况。

编辑： 我还没有创建build() 并在__init__() 中声明了所有内容

Answer 1

您遇到的ValueError 是合理的。这个问题已经在here 上被询问并得到了回答而且call 和__call__ 之间的区别也已经在here 上得到了回答；（因为你没有给出任何代码来重现所以我指的是这个关联）。不过，仅供参考，我已经写了一篇关于模型子类化和从头开始自定义训练的文章，希望建模方法部分能给你一些见解（文章link）。

更新

评论区的问题太多了，所以我想在这里添加我的回复。基本上，__call__ 方法是在Layer 类中实现的。而这一层类被Model类继承。比方说

import inspect
from tensorflow.keras.models import Model

# inspect.getmro(CLASS) returns a tuple of class CLASS's base classes, 
# including CLASS, in Method Resolution Order (MRO).
inspect.getmro(Model)

# out
(tensorflow.python.keras.engine.training.Model,
tensorflow.python.keras.engine.base_layer.Layer,...)

现在，在Layer 类的__call__ 方法中，已将self.call 方法分配给call_fn。进一步使用here。如：

def __call__(self, input):
    call_fn = self.call
    outputs = call_fn(input, ...)
    return outputs

所以当我们调用我们的Model类实例时，它继承的__call__方法（来自Layer类）会自动执行，它调用我们自己的call方法。

模型摘要

使用 Subclassing API 的建模与 Sequential 或 Functional API 不同。它不是图形网络，因此只有包含模型名称的节点会与这些模型一起绘制。我们不能真正假设任何关于子类模型的结构。这就是我们无法获得输出形状的原因。但是，有一种解决方法可以方便地获取模型形状摘要的工具并绘制它。检查here。