`tf.model_to_estimator` 当我将列表对象添加到 keras 子类模型时引发 AttributeError

Question

我已经像这样创建了一个 keras 子类模型：

class SubModel(tf.Keras.Model):

    def __init__(self, features, **kwargs):
        """Init function of Model.
        Args:
            features: A list of SparseFeature and DenseFeature.
        """
        assert len(features) > 0
        super(SubModel, self).__init__(name='SubModel', **kwargs)
        self.features = features

请注意，__init__ 函数中有一个 features arrtibute，将在该模型的 call 方法中使用。当我用 keras 风格训练和评估模型时，一切都很好。

但是，现在我想使用 tf.keras.model_to_estimator 函数将此模型转换为估算器。它引发错误：AttributeError: '_ListWrapper' object has no attribute 'get_config'。

根据我的调试，这是添加到模型的 features 属性导致此错误的原因。 convertint转estimator时，将features看做是模型的layer，克隆模型时尝试调用get_config函数。似乎所有添加到模型的属性在克隆模型时都会被视为layer。

但我真的想将 features 用作模型的一部分，以便可以通过此模型的其他功能访问它，例如 call。还有其他方法可以解决这个问题吗？

Answer 1

我认为 tf.keras.model_to_estimator 与 Sequential 或 Functional API Keras 模型完美兼容，但与 Subclass 模型兼容较差，尤其是在子类中实现复杂操作时。

因此，如果您已经定义了一个子类 keras 模型，并想将其转换为估计器，最好的方法是定义 model_fn 函数，并将 keras 模型放入其中，如下代码所示：

def model_fn(features, labels, mode):
    model = SubModel()
    outputs = model(features)
    loss = tf.keras.losses.xx(labels, outputs)
    return tf.estimator.EstimatorSpec(...)

`tf.model_to_estimator` 当我将列表对象添加到 keras 子类模型时引发 AttributeError

`tf.model_to_estimator` raise AttributeError when I add a list object to keras subclass model

tensorflow

keras

tensorflow-estimator