在将KERAS模型与Bert类方法一起使用时，如何显示模型摘要？

Question

我从本教程中的本教程）。

如其中所述，我用：

class Classifier(tf.keras.Model):
    def __init__(self, num_classes):
        super(Classifier, self).__init__(name="prediction")
        self.encoder = hub.KerasLayer(tfhub_handle_encoder, trainable=True)
        self.dropout = tf.keras.layers.Dropout(0.1)
        self.dense = tf.keras.layers.Dense(num_classes)

    def call(self, preprocessed_text):
        encoder_outputs = self.encoder(preprocessed_text)
        pooled_output = encoder_outputs["pooled_output"]
        x = self.dropout(pooled_output)
        x = self.dense(x)
        return x

我想在使用mode.summary（）构建模型详细信息之后显示模型。不幸的是，这只会返回

模型：“预测”

---

图层（类型）输出形状param＃

================================================ =================== keras_layer_1（keraslayer）多个109482241

dropout_10（辍学）多0

致密_10（密集）多个4614

================================================ =================== 总参数：109,486,855可训练的参数：109,486,854不可训练 参数：1

---

，但我想详细获取完整的图层。因此，我尝试添加一个函数以在模型中创建它：

def summary_model(self, sequence_length):
    in_id = tf.keras.layers.Input(shape=(sequence_length,), name="input_ids")
    in_mask = tf.keras.layers.Input(shape=(sequence_length,), name="input_masks")
    in_segment = tf.keras.layers.Input(shape=(sequence_length,), name="segment_ids")
    bert_inputs = [in_id, in_mask, in_segment]

    bert_output = self.encoder(bert_inputs)
    pooled_output = bert_output["pooled_output"]
    x = self.dropout(pooled_output)
    output = self.dense(x)

    model = tf.keras.models.Model(inputs=bert_inputs, outputs=output)
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    model.summary()

    return model

但是，这导致了与

valueerror：找不到匹配的具体功能来调用加载 从SavedModel。哥特：位置参数（总计3）：

• [＆lt; tf.tensor'输入：0'shape =（none，124）dtype = float32＆gt;，＆lt; tf.tensor'inputs_1：0'shape =（none，124）dtype = float = float32＆gt; tf.tensor'inputs_2：0' shape =（无，124）dtype = float32＆gt;]
• false
• 无关键字参数：{}

期望这些论点匹配以下4个选项之一：

选项1：位置参数（总计3）：

• {'input_mask'：tensorSpec（shape =（none，none），dtype = tf.int32，name ='input_mask'），'input_type_ids'：tensorspec（tensorspec（shape =（none，none，none），无），无），无），无） dtype = tf.int32，name ='input_type_ids'），'input_word_ids'： tensorspec（shape =（无，无），dtype = tf.int32，name ='input_word_ids'）}
• false
• 无关键字参数：{}

选项2：位置参数（总计3）：

• {'input_mask'：tensorSpec（shape =（none，none），dtype = ttype = tf.int32，name ='inputs/input_mask'），'input_type_ids'：tensorspec（tensorspec（shape =（无，，无，， 无），dtype = tf.int32，name ='inputs/input_type_ids'），）， 'input_word_ids'：tensorspec（shape =（无，无），dtype = tf.int32， name ='输入/input_word_ids'）}
• false
• 无关键字参数：{}

选项3：位置参数（总计3）：

• {'input_mask'：tensorSpec（shape =（none，none），dtype = ttype = tf.int32，name ='inputs/input_mask'），'input_type_ids'：tensorspec（tensorspec（shape =（无，，无，， 无），dtype = tf.int32，name ='inputs/input_type_ids'），）， 'input_word_ids'：tensorspec（shape =（无，无），dtype = tf.int32， name ='输入/input_word_ids'）}
• true
• 无关键字参数：{}

选项4：位置参数（总计3）：

• {'input_mask'：tensorSpec（shape =（none，none），dtype = tf.int32，name ='input_mask'），'input_type_ids'：tensorspec（tensorspec（shape =（none，none，none），无），无），无），无） dtype = tf.int32，name ='input_type_ids'），'input_word_ids'： tensorspec（shape =（无，无），dtype = tf.int32，name ='input_word_ids'）}
• true
• 无关键字参数：{}

我需要在输入形状或其他地方更改什么才能获得详细信息概括？