Блог

Могу ли я каким-либо образом присвоить конкретные имена выходным данным подклассовой модели?

Несмотря на то, что мои выходные слои вызываются layername1, layername2 , и я возвращаю выходные данные как a dict с именами name1, name2 , выходные данные все равно вызываются output_1, output_2 .

Определение модели

 from tensorflow.keras.layers import *
from tensorflow.keras.models import *
import tensorflow as tf
from tensorflow import math as tm

class TestModel(Model):
    def __init__(self, **kwargs):
        super().__init__(**kwargs)
        self.denselayer = Dense(33, activation='relu')
        self.outlayer1 = Dense(1, name='layername1')
        self.outlayer2 = Dense(1, name='layername2')
        
    def call(self, inputs):
        l_ = self.denselayer(inputs)
        out1 = self.outlayer1(l_)
        out2 = self.outlayer2(l_)
        return {'name1': out1, 'name2': out2}
    
m = TestModel()

x = tf.zeros((100,100,))
yhat = m(x)
y1 = tf.ones((100,1,))
y2 = 2*tf.ones((100,1,))

m.compile(optimizer='Adam', 
          #loss = {'layername1': 'mse', 'layername2': 'binary_crossentropy'},
          #loss_weights = {'layername1': 1, 'layername2': 1},
          loss = ['mse','binary_crossentropy']
          )
  

Это работает:

 m.fit(x, [y1, y2])
  

Это не работает:

 dx = tf.data.Dataset.from_tensor_slices(x)
dy = tf.data.Dataset.from_tensor_slices({'name1': y1, 'name2': y2})
xy = tf.data.Dataset.zip((dx, dy)).batch(1)
m.fit(xy)
  

Это работает:

 dy = tf.data.Dataset.from_tensor_slices({'output_1': y1, 'output_2': y2})
xy = tf.data.Dataset.zip((dx, dy)).batch(1)
m.fit(xy)