![](/img/trans.png)
[英]Use dictionary in tf.function input_signature in Tensorflow 2.0
[英]Tensorflow 2 tf.function input_signature for a list input
为了使用 saved_model api 导出我的saved_model
,我需要定义要在加载后调用的每个方法的input_signature
。 我不知道如何判断输入是一个可变长度的列表(例如tf.keras.Model.call
)。
SO上有一个关于input_signature
的未回答问题列表:
还有这个关于*args
的: TensorFlow 2 如何在 tf.function 中使用 *args? 但它不处理saved_model
的问题。
也许您可以使用张量而不是列表作为输入?
然后在tf.TensorSpec
中指定一个[None]
维度以允许跟踪重用的灵活性。
由于 TensorFlow 根据张量的形状匹配张量,因此使用None
维度作为通配符将允许函数重用跟踪以用于可变大小的输入。 如果您有不同长度的序列,或者每个批次有不同大小的图像,则可能会出现可变大小的输入。
@tf.function(input_signature=(tf.TensorSpec(shape=[None], dtype=tf.int32),))
def g(x):
print('Tracing with', x)
return x
# No retrace!
print(g(tf.constant([1, 2, 3])))
print(g(tf.constant([1, 2, 3, 4, 5])))
Tracing with Tensor("x:0", shape=(None,), dtype=int32)
tf.Tensor([1 2 3], shape=(3,), dtype=int32)
tf.Tensor([1 2 3 4 5], shape=(5,), dtype=int32)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.