Keras Tensorflow自定义层只调用一次

Question

经过两天的紧张搜索，我在的keras docs/stack中没有找到答案。

我正在尝试创建一个自定义层，以在一定概率下对每个批次执行增强(现在是1用于演示(。数据是具有一个通道的图像。

我需要一种方法来知道扩充是否真的在训练时发生，因为扩充函数中的打印只在定义网络时发生一次，在激活fit函数时发生另一次。

任何帮助都将不胜感激，谢谢！

基本的可运行工作示例，注意call():的打印数量

from tensorflow.keras.layers import Input, Dense, Conv2D, Flatten
from tensorflow.keras.models import Sequential
import random
import numpy as np
import tensorflow as tf
from tensorflow.keras import optimizers

# Custom Augmentation layer
class AugmentationLayer(tf.keras.layers.Layer):
def __init__(self, p):
super(AugmentationLayer, self).__init__()
self.p = p
def call(self, inputs, training=None):
if not training:
return inputs
print('Enter Custom layer call, training = ', training)

if random.random() < self.p:  
inputs *= 2
return inputs
# Training Script
# parameters
height = 38
width = 22
numClasses = 2
ydata = np.array([[1, 0], [1, 0]])   # hot-encoded labels
# create 2 images for network training data
Xdata = []
for i in range(2):
xx = np.random.uniform(-1, 1, (height, width))
Xdata.append(xx)
# create array from list
Xdata = np.array(Xdata)
# make dims n_samples X height X width X channels = (2, 38, 22, 1)
Xdata = np.reshape(Xdata, (Xdata.shape[0], Xdata.shape[1], Xdata.shape[2], 1))
model = Sequential()
model.add(Input(shape=(height, width, 1)))
model.add(AugmentationLayer(1))                   # Added custom layer
model.add(Conv2D(32, (2, 2), activation='relu'))
model.add(Flatten())
model.add(Dense(numClasses, activation='softmax'))
model.compile(
loss='categorical_crossentropy',
metrics=['accuracy'],
optimizer=optimizers.Adam(learning_rate=0.001))
model.summary()
model.fit(
Xdata,
ydata,
epochs=10,
batch_size=2,
verbose=1)

Answer 1

如果使用tf.print()，它也将在图形执行中运行时打印。您可以在此处阅读更多信息：https://www.tensorflow.org/api_docs/python/tf/print.

Answer 2

对于将来的某个人，我将补充一点，在编译模型时，有一个默认值可以阻止某些函数从自定义层内部运行(这就是为什么常规print((不起作用(，以达到性能目的。其中包括：print((、np.save((等。

model.compile(..., run_eagerly=False)   # default

如果你想启用上面提到的所有功能，用编译你的模型

model.compile(..., run_eagerly=True)