Tensorflow 2 tf.function input_signature 用于列表输入

Question

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：

• 在 Tensorflow 2.0 中使用 tf.function input_signature 中的字典
• tf.function input_signature 用于 tensorflow 2.0 中的分布式数据集
• TensorFlow 2 tf.function 装饰器

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。

Answer 1

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)