Keras 无法在回调中计算图形节点

Question

为了说明问题，请考虑以下模型的（完全人为的）示例：

import numpy as np
from tensorflow.keras.utils import Sequence
from tensorflow.keras.callbacks import Callback
from tensorflow.keras import backend as K
from tensorflow.keras.layers import Input, Dense
from tensorflow.keras.models import Model

class RandomSeq(Sequence):
    def __len__(self):
        return 5

    def __getitem__(self, idx):
        return (np.array([np.arange(39).reshape((39,)) for i in range(100)]), 
                np.array([-np.arange(39).reshape((39,)) for i in range(100)]))

class Foo(Callback):
    def __init__(self, d):
        super(Foo, self).__init__()
        self._d = d

    def on_epoch_end(self, epoch, logs=None):
        print(epoch)
        print(K.eval(self._d))



x = Input(shape=(39,), dtype='float32', name='input')
y_pred = Dense(39)(x)

y_another = x * 2

m = Model(inputs=x, outputs=y_pred)
m.compile(optimizer='sgd', loss='mse')

seq = RandomSeq()
m.fit_generator(seq, epochs=5, callbacks=[Foo(y_another)])

RandomSeq 只是一个返回x 和y 批次的序列。 Foo 是一个回调，它将尝试在一个时期结束时评估附加数量 d。对我来说，如果我选择d 为y_pred 或y_another，那么Keras 会抱怨占位符x (input) 没有被输入。

您必须使用 dtype float 和 shape [?,39] 为占位符张量“input_1”提供一个值

这是预期的行为吗？如果是这样，是否有另一种方法来计算 Keras 回调中的节点？请注意，如果没有计算上述图形节点的回调，则该示例可以正常工作。

Answer 1

这不是正确的做法。 运行 K.eval(y_another) 您要求 keras 后端评估一个 Input 对象（它只是您想要输入网络的数据的占位符）而不向它提供任何数据，这就是您的错误的原因。

因此，假设您要计算网络的输出给定一个新输入，该输入是一个随机序列乘以 2（对吗？），那么您应该在回调中修改 on_epoch_end(self, epoch, logs=None) 的主体，如下所示：

x, _ = next(RandomSeq())     
print(self.model.predict(x*2))