绘图模型不显示模型层，仅显示模型名称

Question

我正在尝试使用 TensorFlow2 构建一些模型，因此我创建了一个模型类，如下所示：

import tensorflow as tf

class Dummy(tf.keras.Model):
    def __init__(self, name="dummy"):
        super(Dummy, self).__init__()
        self._name = name

        self.dense1 = tf.keras.layers.Dense(4, activation=tf.nn.relu)
        self.dense2 = tf.keras.layers.Dense(5, activation=tf.nn.softmax)

    def call(self, inputs, training=False):
        x = self.dense1(inputs)
        return self.dense2(x)

model = Dummy()
model.build(input_shape=(None,5))

现在我想绘制模型，同时使用summary()返回我期望的内容，plot_model(model, show_shapes=True, expand_nested=True)仅返回带有模型名称的块。

如何返回模型的图表？

Answer 1

弗朗索瓦·乔莱说道：

您可以在功能或顺序模型中执行所有这些操作（打印输入/输出形状），因为这些模型是层的静态图。

相反，子类模型是一段 Python 代码（一个调用方法）。这里没有图层图。我们无法知道各层如何相互连接（因为这是在调用主体中定义的，而不是作为显式数据结构），因此我们无法推断输入/输出形状。

对此有两种解决方案：

1. 要么按顺序构建模型/使用功能 api。
2. 您将“ ”call函数包装到函数模型中，如下所示：

class Subclass(Model):

def __init__(self):
    ...
def call(self, x):
    ...

def model(self):
    x = Input(shape=(24, 24, 3))
    return Model(inputs=[x], outputs=self.call(x))


if __name__ == '__main__':
    sub = subclass()
    sub.model().summary()

答案取自这里：model.summary() can't print output shape while using subclass model

另外，这是一篇很好的文章：https://medium.com/tensorflow/what-are-symbolic-and-imperative-apis-in-tensorflow-2-0-dfccecb01021