[英]Custom layers in tensorflow/keras - are these two options equal?
根据https://www.tensorflow.org/guide/keras/custom_layers_and_models#layers_are_recursively_composable custom layers in tensorflow2 / Z063009BB15C8272CF2ZB0C7 可以这样定义
class CustomLayer(layers.Layer):
def __init__(self, ntimes):
super().__init__()
self.convs = [layers.Conv2D(10, (3, 3), padding='same') for i in range(ntimes)]
def call(self, x, **kwargs):
for conv in self.convs:
x = conv(x)
return x
但是,最近我遇到了另一种表示法:
def CustomLayer(ntimes):
def layer(x):
for i in range(ntimes):
x = layers.Conv2D(10, (3, 3), padding='same')(x)
return x
return layer
显然它不是 Layer 类的实例,但结果操作似乎是相同的。 还是我错过了什么? 这种方法有什么缺点吗?
Ps:这样的层将在以下示例性上下文中使用:
xin = layers.Input((10,10,3))
layer = CustomLayer(5)
xout = layer(xin)
model = models.Model(xin, xout)
model.summary()
在我看来,您正在做的是创建一个具有预定义功能的图层块,而不是创建一个新的自定义图层。 为了详细说明,您可以单独访问块中的每一层,因此它不是层。 创建块可以使用两者来完成,但如果您想在层内实现自己的功能或进行一些修改,例如在每个时期打印该层的结果或其他特定层的结果,那么您需要使用第一种方法.
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.