tensorflow 2.0，调用函数时给定两个变量，但是定义函数时，没有变量

Question

我正在学习 tensorflow-2.0 中的教程。在定义生成器时，没有给出变量，但是在调用函数时，给出了两个变量。

def generator_model():
    model = tf.keras.Sequential()
    model.add(layers.Dense(7*7*256, use_bias=False, input_shape=(100,)))
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())

    model.add(layers.Reshape((7, 7, 256)))
    assert model.output_shape == (None, 7, 7, 256) # Note: None is the batch size

    model.add(layers.Conv2DTranspose(128, (5, 5), strides=(1, 1), padding='same', use_bias=False))
    assert model.output_shape == (None, 7, 7, 128)
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())

    model.add(layers.Conv2DTranspose(64, (5, 5), strides=(2, 2), padding='same', use_bias=False))
    assert model.output_shape == (None, 14, 14, 64)
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())

    model.add(layers.Conv2DTranspose(1, (5, 5), strides=(2, 2), padding='same', use_bias=False, activation='tanh'))
    assert model.output_shape == (None, 28, 28, 1)

    return model


generator = generator_model()
noise = tf.random.normal([1, 100])
generated_image = generator(noise, training=False)

这是tensorflow网站的官方教程。

Answer 1

def generator_model() 创建并 returns 模型对象。然后您可以将数据提供给生成器对象以生成图像。没有矛盾。 def generator_model() 只创建生成器对象，稍后会用到。

如您所见https://www.tensorflow.org/api_docs/python/tf/keras/models/Sequential#call

tf.keras.Sequential() 对象具有 __call__ 函数，这意味着您可以调用该实例。(Python __call__ special method practical example) 它只是按照说明包装了另一个调用函数。

tensorflow 2.0，调用函数时给定两个变量，但是定义函数时，没有变量

tensorflow 2.0, when calling the function two variables given, but, when defining the function, there is no variables

python

deep-learning

tensorflow

tf.keras

tensorflow2.0