tf.contrib.eager.Сеть

Представляет собой композицию набора слоев.

Наследуется от: Layer

tf.contrib.eager.Network(
    name=None
)

Устаревший. Пожалуйста, наследуйте от tf.keras.Model и обратитесь к его документации для получения подробностей. tf.keras.Model должен быть прямым заменителем tfe.Network в большинстве случаев, но обратите внимание, что track_layer больше не нужен или не поддерживается. Вместо этого экземпляры Layer отслеживаются при присваивании атрибутов (см. раздел документации tf.keras.Model по наследованию). Поскольку результат track_layer часто присваивается атрибуту, большая часть кода может быть перенесена путем простого удаления вызовов track_layer.

tf.keras.Model работает со всеми экземплярами TensorFlow Layer, включая те, которые из tf.layers, но рекомендуется переключиться на версии tf.keras.layers вместе с миграцией на tf.keras.Model, так как это сохранит имена переменных. Не стесняйтесь импортировать его с псевдонимом, чтобы избежать излишней ввода :).

Network реализует интерфейс Layer и добавляет удобные методы для управления подслоями Layer, такие как перечисление переменных.

Слои (включая другие Networkы) должны быть добавлены с помощью track_layer. Их можно использовать при переопределении метода Network.call:

class TwoLayerNetwork(tfe.Network):

  def __init__(self, name):
    super(TwoLayerNetwork, self).__init__(name=name)
    self.layer_one = self.track_layer(tf.compat.v1.layers.Dense(16,
    input_shape=(8,)))
    self.layer_two = self.track_layer(tf.compat.v1.layers.Dense(1,
    input_shape=(16,)))

  def call(self, inputs):
    return self.layer_two(self.layer_one(inputs))

После создания объекта и вызова Network, список переменных, созданных отслеживаемыми Layerами, доступен через Network.variables:

net = TwoLayerNetwork(name="net")
output = net(tf.ones([1, 8]))
print([v.name for v in net.variables])

Этот пример выводит имена переменных, по одному ядру и одному смещению на слой tf.compat.v1.layers.Dense:

['net/dense/kernel:0',
 'net/dense/bias:0',
 'net/dense_1/kernel:0',
 'net/dense_1/bias:0']

Эти переменные могут быть переданы в Saver (tf.compat.v1.train.Saver или tf.contrib.eager.Saver при выполнении в режиме Eager) для сохранения или восстановления Network, как правило, вместе с глобальным шагом и переменными tf.compat.v1.train.Optimizer при контрольных точках во время обучения.

Обратите внимание, что семантика вызова Network с выполнением графа (то есть не выполняя его жадно) может незначительно измениться в будущем. В настоящее время операторы с состоянием удаляются из графа, если они или что-то, что от них зависит, не выполняются в сессии, но это поведение не соответствует выполнению Eager (где операторы с состоянием выполняются жадно). Network из tf.layers не зависят от этого усечения и поэтому не будут затронуты, но Network которые полагаются на добавление операторов с состоянием в граф, но не на их выполнение (например, с помощью настраиваемых Layer которые управляют операторами с состоянием), могут сломаться из-за этого изменения.

Методы

get_layer

Посмотреть исходный код

get_layer(
    name=None, index=None
)

Получить содержащийся tf.compat.v1.layers.Layer по имени или индексу.

track_layer

Посмотреть исходный код

track_layer(
    layer
)

Отследить слой в этой сети.

Network требует, чтобы все Layer используемые в call() были отслеживаемы, чтобы Network мог экспортировать полный список переменных.