0

问题总结

我使用功能 API 创建了 keras 模型，没有任何错误。

但是当我调用 model.summary() 时，没有任何层，只有参数存在。

当我调用 model.layers 时，返回空列表。

例如，我创建了简单的 mlp 模型。

input = Input(shape = (20,))
x = Dense(30, name = 'dense1')(input)
x = Dense(20, name = 'dense2')(x)
output = Dense(1)(x)
model = keras.models.Model(inputs = input ,outputs = output)
model.compile(loss = 'mse', optimizer = 'adam')

上面的代码执行没有任何错误。但是当我调用摘要方法或图层方法时，没有任何图层出现。

model.layers

-> []

model.summary()

-> Model: "model"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
Total params: 1,271
Trainable params: 1,271
Non-trainable params: 0
_________________________________________________________________

但是尽管没有任何层，但该模型仍可以进行训练和推理。更奇怪的是，这只发生在 Google colab pro 上。在 kaggle 内核中，相同的代码可以毫无问题地创建所有层。

要使用功能 API 制作更复杂的模型，必须存在层。有谁知道这发生在google colab上的原因吗？

4

1 回答 1

0

您可能正在混合使用 keras 和 tensorflow 库。由于 Tensorflow 实现了 keras 库，因此在导入 keras 和 tensorflow 并随机使用它们的开发人员之间这是一个常见的错误，这会导致一些奇怪的行为。

只需使用其中一个import tensorflow.keras或import keras在整个代码中使用。

例如，如果我这样编码（随机使用两个库）：

import keras                                #import keras
import tensorflow as tf
from tensorflow.keras.layers import Dense   #import layers from tensorflow.keras
from tensorflow.keras import Input

input = Input(shape = (20,))
x = Dense(30, name = 'dense1')(input)
x = Dense(20, name = 'dense2')(x)
output = Dense(1)(x)
model = keras.models.Model(inputs = input ,outputs = output)
model.compile(loss = 'mse', optimizer = 'adam')
model.summary()

输出将是：

Model: "model"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
Total params: 1,271
Trainable params: 1,271
Non-trainable params: 0
_________________________________________________________________

但是，如果我修改导入并只使用tensorflow.keras而不是keras这样使用：

import tensorflow as tf
from tensorflow.keras.layers import Dense
from tensorflow.keras import Input
from tensorflow.keras.models import Model

input = Input(shape = (20,))
x = Dense(30, name = 'dense1')(input)
x = Dense(20, name = 'dense2')(x)
output = Dense(1)(x)
model = Model(inputs = input ,outputs = output)
model.compile(loss = 'mse', optimizer = 'adam')
model.summary()

我会得到这样的输出：

Model: "model"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_3 (InputLayer)         [(None, 20)]              0         
_________________________________________________________________
dense1 (Dense)               (None, 30)                630       
_________________________________________________________________
dense2 (Dense)               (None, 20)                620       
_________________________________________________________________
dense_2 (Dense)              (None, 1)                 21        
=================================================================
Total params: 1,271
Trainable params: 1,271
Non-trainable params: 0
_________________________________________________________________
于 2021-06-12T06:55:41.990 回答