3

我正在关注tensorflow-2.0中的教程。定义生成器时，没有给出变量，但调用函数时，给出了两个变量。

def generator_model():
    model = tf.keras.Sequential()
    model.add(layers.Dense(7*7*256, use_bias=False, input_shape=(100,)))
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())

    model.add(layers.Reshape((7, 7, 256)))
    assert model.output_shape == (None, 7, 7, 256) # Note: None is the batch size

    model.add(layers.Conv2DTranspose(128, (5, 5), strides=(1, 1), padding='same', use_bias=False))
    assert model.output_shape == (None, 7, 7, 128)
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())

    model.add(layers.Conv2DTranspose(64, (5, 5), strides=(2, 2), padding='same', use_bias=False))
    assert model.output_shape == (None, 14, 14, 64)
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())

    model.add(layers.Conv2DTranspose(1, (5, 5), strides=(2, 2), padding='same', use_bias=False, activation='tanh'))
    assert model.output_shape == (None, 28, 28, 1)

    return model


generator = generator_model()
noise = tf.random.normal([1, 100])
generated_image = generator(noise, training=False)

这是 tensorflow 网站上的官方教程。

4

1 回答 1

4

def generator_model()创建并返回模型对象。然后您可以将数据输入生成器对象以生成图像。没有矛盾。def generator_model()仅创建稍后将使用的生成器对象。

正如您在此处看到的那样https://www.tensorflow.org/api_docs/python/tf/keras/models/Sequential#调用

tf.keras.Sequential()对象具有__call__函数，这意味着您可以调用实例。（Python __call__ 特殊方法实际示例）它只是按照说明包装了另一个调用函数。

于 2019-04-14T21:34:31.727 回答