如何使用 learning_phase 在 TF 2.3 Eager 中获得中间输出？

Question

下面的示例适用于 2.2；K.function在 2.3 中发生了重大变化，现在Model在 Eager 执行中构建了一个，所以我们正在通过Model(inputs=[learning_phase,...]).

我确实有一个解决方法，但它很hackish，而且比K.function; 如果没有人可以展示一个简单的方法，我会发布我的。

---

from tensorflow.keras.layers import Input, Dense
from tensorflow.keras.models import Model
from tensorflow.python.keras import backend as K
import numpy as np

ipt = Input((16,))
x   = Dense(16)(ipt)
out = Dense(16)(x)
model = Model(ipt, out)
model.compile('sgd', 'mse')

outs_fn = K.function([model.input, K.symbolic_learning_phase()],
                     [model.layers[1].output])  # error
x = np.random.randn(32, 16)
print(outs_fn([x, True]))

>>> ValueError: Input tensors to a Functional must come from `tf.keras.Input`. 
Received: Tensor("keras_learning_phase:0", shape=(), dtype=bool) 
(missing previous layer metadata).

Answer 1

为了以 Eager 模式获取中间层的输出，没有必要构建K.function和使用学习阶段。相反，我们可以构建一个模型来实现这一目标：

partial_model = Model(model.inputs, model.layers[1].output)

x = np.random.rand(...)
output_train = partial_model([x], training=True)   # runs the model in training mode
output_test = partial_model([x], training=False)   # runs the model in test mode

或者，如果您坚持使用K.function并希望在 Eager 模式下切换学习阶段，则可以使用eager_learning_phase_scopefrom tensorflow.python.keras.backend（请注意，此模块是 的超集tensorflow.keras.backend并包含内部函数，例如前面提到的函数，在未来版本中可能会更改）：

from tensorflow.python.keras.backend import eager_learning_phase_scope

fn = K.function([model.input], [model.layers[1].output])

# run in test mode, i.e. 0 means test
with eager_learning_phase_scope(value=0):
    output_test = fn([x])

# run in training mode, i.e. 1 means training
with eager_learning_phase_scope(value=1):
    output_train = fn([x])