属性错误：“张量”对象没有属性“numpy”；同时扩展keras序列模型

Question

我正在尝试在急切执行模式下编译 Keras Sequential 模型（在 TF2 中）。 以下是我的自定义层：

class CustomLayer(Layer):
  def __init__(self, output_shape, **kwargs):
    self.output_shape = output_shape
    super(CustomLayer, self).__init__(**kwargs)

  def build(self, input_shape):
    assert len(input_shape) == 2
    input_dim = input_shape[1]

  def call(self, inputs, mask=None, **kwargs):
    y_pred = inputs.numpy() #<---- raise error
    return y_pred

我使用该层来扩展另一个序列模型，如下所示：

encoder = Sequential(encoders)  # encoders is a bunch of Dense layers
encoder.compile(
    loss='mse',
    optimizer=SGD(lr=self.learning_rate, decay=0, momentum=0.9),
    run_eagerly=True
)
self.MyModel = Sequential([encoder, CustomLayer(output_shape=output_shape)])
self.MyModel.compile(
    loss='MSE',
    optimizer=sgd,
    run_eagerly=True
)

原始模型是带有去噪层的自动编码器，我在瓶颈之后添加一个新层以进行一些自定义预测。 我需要访问新层中的张量值。 这样做会引发以下错误：

    Traceback (most recent call last):
  File "main.py", line 185, in initialize
    self.DEC = Sequential([encoder, CustomingLayer(input_shape=input_shape,
  File ".virtualenvs/vision/lib/python3.8/site-packages/tensorflow/python/training/tracking/base.py", line 530, in _method_wrapper
    result = method(self, *args, **kwargs)
  File ".virtualenvs/vision/lib/python3.8/site-packages/keras/utils/traceback_utils.py", line 67, in error_handler
    raise e.with_traceback(filtered_tb) from None
  File ".virtualenvs/vision/lib/python3.8/site-packages/tensorflow/python/autograph/impl/api.py", line 699, in wrapper
    raise e.ag_error_metadata.to_exception(e)
AttributeError: Exception encountered when calling layer "custom_layer" (type CustomLayer).

in user code:

    File "custom_layer.py", line 25, in call  *
        y_pred = inputs.numpy()

    AttributeError: 'Tensor' object has no attribute 'numpy'


Call arguments received:
  • inputs=tf.Tensor(shape=(None, 10), dtype=float32)
  • mask=None
  • kwargs={'training': 'None'}

Answer 1

直接使用这个 numpy 函数是不可能的 - 因为它既没有在 Tensorflow 中也没有在 Theano 中实现。而且，张量和数组之间没有直接的对应关系。张量应理解为代数变量，而 numpy 数组应理解为数字。张量是一个抽象的东西，对其应用 numpy 函数通常是不可能的。

但您仍然可以尝试使用 keras.backend 自行重新实现您的函数。然后您将使用有效的张量运算，并且不会出现任何问题。

解决问题的另一种方法是使用 tf.numpy_function，请参阅 文档，这允许您使用 numpy 函数，但有一些限制。