Keras 重置层数答案

【问题标题】：Keras reset layer numbersKeras 重置层数
【发布时间】：2018-03-06 04:04:25
【问题描述】：

Keras 将递增的 ID 编号分配给相同类型的层，例如max_pooling1d_7、max_pooling1d_8、max_pooling1d_9等我的代码的每次迭代都会构建一个新模型，从model = Sequential() 开始，然后通过model.add() 添加层。即使每个循环都会创建一个新的 Sequential 对象，层 ID 编号仍会从前一个循环继续递增。由于我的流程长时间运行，这些 ID 号可能会变得非常大。我担心这可能会导致一些问题。为什么model = Sequential()没有重置ID？有没有办法重置它们？在每个循环之后，我都没有使用层 ID 号并且可以丢弃它们，但是如何？我正在使用 Tensorflow 后端。

【问题讨论】：

标签： tensorflow keras keras-layer

【解决方案1】：

解决方案，来自Attempting to reset tensorflow graph when using keras, failing：

from keras import backend as K
K.clear_session()

【讨论】：

这不起作用。在张量流 2.0.重置后创建新模型的层数仍然越来越大。

【解决方案2】：

您使用 jupyter 笔记本吗？似乎在您重建模型时，您的 tensorlow 会话不会重新启动。因为 keras 引用了每个名称的 tensorflow 图，所以有必要继续计数。

因此，如果您不想重新启动会话，那也没关系。然而，这也意味着，张量流会话变得越来越大，因此重新启动会话可能是理想的方法。为此重新启动完整的程序/内核。

【讨论】：

我没有使用jupyter，只是python2.7 + Keras。我正在通过遗传算法发展我的网络。我在每个周期（=世代）之间将大量数据保存在内存中，因此我无法在世代之间重新启动程序/内核，除非我将数据交换到磁盘，这会很慢。
嗯，张量流中有一些功能可以重置会话/图表。上次我收到他们的消息，他们没有正常工作。但也许这现在已经解决了。因此，搜索重置 tensorflow 会话可以帮助您解决问题。（我明天也可以研究一下）
我刚刚发现了这个并且它有效：stackoverflow.com/questions/45063602/…

【解决方案3】：

每次迭代都不应该构建一个新模型。培训应在同一模型中进行。也许发布您的代码以查看可能出现的问题。

【讨论】：

不，新模型的生成完全是有意的。我的模型会根据其性能通过遗传算法进行演进。

【解决方案4】：

添加

tf.keras.backend.clear_session()

如https://www.tensorflow.org/api_docs/python/tf/keras/backend/clear_session

【讨论】：