Метод call класса Layer

Метод call класса Layer является главным методом любого слоя в TensorFlow. Именно в этом методе описывается логика прямого распространения: какие операции применяются к входным данным, чтобы получить выходные. Первым параметром метод принимает входной тензор inputs, вторым необязательным параметром - флаг training, который указывает, работает ли слой в режиме обучения. При создании собственного слоя метод call обязательно переопределяется.

Синтаксис

class MyLayer(tf.keras.layers.Layer):
	def call(self, inputs, training=None):
		# logic here
		return outputs

Пример

Давайте создадим простой слой, который умножает входной тензор на заданный коэффициент:

import tensorflow as tf

class MultiplyLayer(tf.keras.layers.Layer):
	def __init__(self, factor=2.0, **kwargs):
		super().__init__(**kwargs)
		self.factor = factor
	
	def call(self, inputs, training=None):
		return inputs * self.factor

layer = MultiplyLayer(factor=3.0)
t = tf.constant([1, 2, 3, 4, 5])
res = layer(t)
print(res)

Результат выполнения кода:

tf.Tensor([ 3. 6. 9. 12. 15.], shape=(5,), dtype=float32)

Пример

Давайте рассмотрим слой, который использует флаг training для разного поведения при обучении и при выводе:

<+python+> import tensorflow as tf class ScaleLayer(tf.keras.layers.Layer): def call(self, inputs, training=None): if training: return inputs * 2.0 return inputs layer = ScaleLayer() t = tf.constant([1, 2, 3, 4, 5]) res_train = layer(t, training=True) res_infer = layer(t, training=False) print(res_train) print(res_infer) <-python+>

Результат выполнения кода:

tf.Tensor([ 2.  4.  6.  8. 10.], shape=(5,), dtype=float32)
tf.Tensor([1 2 3 4 5], shape=(5,), dtype=int32)

Пример

Давайте создадим слой с обучаемым весом внутри метода call и применим его к двумерному тензору:

import tensorflow as tf
tf.random.set_seed(0)

class DenseSimple(tf.keras.layers.Layer):
	def __init__(self, units=3, **kwargs):
		super().__init__(**kwargs)
		self.units = units
	
	def build(self, input_shape):
		self.w = self.add_weight(
			shape=(input_shape[-1], self.units),
			initializer='ones',
			trainable=True
		)
		super().build(input_shape)
	
	def call(self, inputs, training=None):
		return tf.matmul(inputs, self.w)

layer = DenseSimple(units=2)
t = tf.constant([[1, 2, 3], [4, 5, 6]])
res = layer(t)
print(res)

Результат выполнения кода:

tf.Tensor(
[[ 6.  6.]
 [15. 15.]], shape=(2, 2), dtype=float32)

Смотрите также

класс Layer,
который является базовым классом для всех слоев
метод build,
который создает веса слоя при первом вызове
метод compute_output_shape,
который вычисляет форму выходного тензора
метод add_weight,
который добавляет обучаемый вес в слой