tf.keras.model call() 方法，是否可以将方法 call() 与标签一起使用？

Question

我一直有这个问题困扰我一段时间：是否可以将tf.keras.model的方法call()与标签tf.keras.model使用？ 从我所看到的情况来看，这是不合理的，但让我感到奇怪的是，您可以使用这种方法训练模型，但不能像.fit()方法那样传递标签。

另外，当我在 tensorflow 文档中阅读制作 DCGAN 的教程时，出现了这个问题。

来源： https : //www.tensorflow.org/tutorials/generative/dcgan

Answer 1

您可以将张量列表传递给调用函数，以便传递标签。 但是，这不符合 tensorflow/Keras 训练的逻辑。 在您的示例中，基本训练例程是 train_step。 输出张量首先由生成器和鉴别器调用函数计算，然后传递给计算损失的函数。 这是做事的标准方式：

def train_step(images):
noise = tf.random.normal([BATCH_SIZE, noise_dim])

with tf.GradientTape() as gen_tape, tf.GradientTape() as disc_tape:
  generated_images = generator(noise, training=True)
  real_output = discriminator(images, training=True)
  fake_output = discriminator(generated_images, training=True)

  gen_loss = generator_loss(fake_output)
  disc_loss = discriminator_loss(real_output, fake_output)

gradients_of_generator = gen_tape.gradient(gen_loss, generator.trainable_variables)
gradients_of_discriminator = disc_tape.gradient(disc_loss, discriminator.trainable_variables)

generator_optimizer.apply_gradients(zip(gradients_of_generator, generator.trainable_variables))
discriminator_optimizer.apply_gradients(zip(gradients_of_discriminator, discriminator.trainable_variables))