![](/img/trans.png)
[英]Tensorflow 2 tf.function input_signature for a list input
[英]@tf.function( input_signature ) on an object's method defined outside of a class scope
假设我有一个Custom Layer
:
class Custom_Layer(keras.layers.Layer):
def __init__(self, **kwargs):
self.w_0 = tf.Variable(tf.random_uniform_initializer(),trainable=True)
self.b_0 = tf.Variable(tf.zeros_initializer(),trainable=True)
....
def call(self, inputs):
output = A_Method(self, inputs)
return output
def A_Method(self, TensorA):
....
return something
如果我想将@tf.function(with input_signature)
装饰为A_Method
以控制跟踪
@tf.function(input_signature=[???, tf.TensorSpec(shape=None)])
def A_Method(self, TensorA):
....
return something
我应该为self
设定什么规格? 我尝试放置tf.TensorSpec
但出现错误
___Updated the question___:
我对 tensorflow 很陌生,如果代码很奇怪或没有意义,我深表歉意。 我这样做的原因是我发现 RNN 花了很长时间才开始第一个纪元,我不知道这个自定义层是否可以做类似的事情但花费的时间更少。 但最终我相信缓慢的初始化时间是因为 tensorflow retracing repeatedly even on same input_spec - input_shape
。 我反复使用这一层,
input_layer = Input(shape=( X_.shape[1],X_.shape[2]), name='input')
for loop :
Hard_Code_RNN_Layer(input_layer[:,:, slicing])
remove it from the class
我.experimental_get_tracing_count()
def Mimic_RNN(self, step_input, step_state)
请看下面:
def Initialize_Variable(input_dim, units):
w_init = tf.random_normal_initializer()
b_init = tf.zeros_initializer()
w_0 = tf.Variable(initial_value=w_init(shape=(input_dim, units)))
b_0 = tf.Variable(initial_value=b_init(shape=(units)))
return w_0, b_0
def Initialize_One_Variable(input_dim, units):
w_init = tf.random_uniform_initializer()
R_kernal = tf.Variable(initial_value=w_init(shape=(input_dim, units)))
return R_kernal
class Hard_Code_RNN_Layer(keras.layers.Layer):
def __init__(self, input_tuple, Sequencee=True, **kwargs):
super(Hard_Code_RNN_Layer, self).__init__()
input_shape, units = input_tuple
self.Hidden_Size = (int)(input_shape * 0.85)
self.inputshape = input_shape
self.units = units
self.thiseq = Sequencee
self.Uz = Initialize_One_Variable(self.Hidden_Size, self.Hidden_Size)
self.Ur = Initialize_One_Variable(self.Hidden_Size, self.Hidden_Size)
self.w_hz, self.b_hz = Initialize_Variable(self.units, self.Hidden_Size)
self.w_out, self.b_out = Initialize_Variable(self.Hidden_Size,self.units)
self.w_0, self.b_0 = Initialize_Variable(self.inputshape,self.units)
def get_config(self):
cfg = super().get_config()
return cfg
def Layer_Method(inputs, w_h, b_h):
return tf.matmul(inputs, w_h) + b_h
def Mimic_RNN(self, step_input, step_state): <-----------input_signature_this
x__j = self.Layer_Method(step_input, self.w_0, self.b_0)
r = tf.sigmoid(tf.matmul(step_state, self.Ur))
z = tf.sigmoid(tf.matmul(step_state, self.Uz))
h__ = tf.nn.relu(tf.matmul(x__j, self.w_hz) + tf.multiply(r, step_state) + self.b_hz)
h = (1-z) * h__ + z * step_state
output__ = tf.nn.relu(tf.matmul(h, self.w_out) + self.b_out)
return output__, h
def call(self, inputs):
unstack = tf.unstack(inputs, axis=1)
out1, hiddd = self.Mimic_RNN(step_input=unstack[0], step_state=tf.zeros_like(unstack[0][:,0:self.Hidden_Size]))
out2, hiddd = self.Mimic_RNN(step_input=unstack[1], step_state=hiddd)
out3, hiddd = self.Mimic_RNN(step_input=unstack[2], step_state=hiddd)
if(self.thiseq):
return tf.stack([out1, out2, out3], axis =1 )
else:
return out3
您实际上可以将input_signature
与 class 方法一起使用。 在输入签名规范中只需忽略初始self
参数,因此您只需为其他参数提供tf.TensorSpec
。
例如:
import tensorflow as tf
class MyClass:
@tf.function(input_signature=(tf.TensorSpec([None], tf.float32),
tf.TensorSpec([None], tf.float32)))
def my_method(self, a, b):
return a + b
tf.print(MyClass().my_method([1, 2, 3], [4]))
# 5, 6, 7
如果您指定输入签名,则 python function 的所有输入都必须可转换为Tensor
。 在这种情况下, self
持有对调用该方法的实例的引用,并且不能转换为张量。 您只是不能在A_method
input_signature
上指定 input_signature。
但是,仍然可以从 class 装饰方法,因为 TensorFlow 将检测 function 是否是一种方法,如果是这种情况,将自动删除self
参数。 您可以查看源代码:
if self._is_method:
# Remove `self`: default arguments shouldn't be matched to it.
# TODO(b/127938157): Should this error out if there is no arg to
# be removed?
args = fullargspec.args[1:]
值得注意的是,如果在 class 之外定义了方法,则此检查将失败。 (检查依赖于标准库inspect
模块中的ismethod
)。 由于self
不能转换为 Tensor,因此被修饰的方法在调用时会抛出错误。
在 class 定义之外定义方法并不是最佳实践:它使代码更难阅读,也更难使用。 您可以查看该问题以获取更多详细信息: 在 class 定义之外定义方法? . The python way of reusing logic between classes is either to use inheritance, or to define a function that does not depend on the attributes of the object (or where those attributes are passed as argument to the function).
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.