我使用 python 3.7 和 Tensorflow 2.2.0。我想從頭開始訓(xùn)練 MobileNet-V2，因此我采用已經(jīng)構(gòu)建的模型并向所有所需層添加正則化器。該模型編譯得很好，我能夠擬合它。但是，在保存模型時(shí)，遇到以下錯(cuò)誤： File "/mnt/disk1/anaconda3/envs/py37/lib/python3.7/site-packages/tensorflow/python/saved_model/nested_structure_coder.py", line 82, in _map_structure "No encoder for object [%s] of type [%s]." % (str(pyobj), type(pyobj)))tensorflow.python.saved_model.nested_structure_coder.NotEncodableError: No encoder for object [<tensorflow.python.keras.layers.convolutional.Conv2D object at 0x7fd2f00469d0>] of type [<class 'tensorflow.python.keras.layers.convolutional.Conv2D'>].如果不添加正則化（下面代碼中的 config.regularizer.name = ""），模型可以成功擬合并保存。我想知道這是一個(gè)錯(cuò)誤還是我在這里做錯(cuò)了什么？import tensorflow as tffrom tensorflow.keras.applications import MobileNetV2model = MobileNetV2(input_shape=ds_info["shape"], classes=ds_info["n_classes"], weights=None, include_top=True)if config.regularizer.name == "l2": l2_reg = config.regularizer.weight for layer in model.layers: if isinstance(layer, tf.keras.layers.DepthwiseConv2D): layer.add_loss(lambda la=layer: tf.keras.regularizers.l2(l2_reg)(la.depthwise_kernel)) elif isinstance(layer, tf.keras.layers.Conv2D) or isinstance(layer, tf.keras.layers.Dense): layer.add_loss(lambda la=layer: tf.keras.regularizers.l2(l2_reg)(la.kernel))
1 回答
瀟湘沐
TA貢獻(xiàn)1816條經(jīng)驗(yàn) 獲得超6個(gè)贊
根據(jù)文檔，事實(shí)證明，lambda 函數(shù)不應(yīng)該帶有任何參數(shù)。然而，當(dāng)我沒有傳遞參數(shù)時(shí)，它導(dǎo)致了另一個(gè)非常奇怪的錯(cuò)誤（這是關(guān)于Dense沒有 的層depthwise_kernel，這是顯而易見的，不應(yīng)該發(fā)生，但不知何故它發(fā)生了）。
因此，我的最終解決方案是定義兩個(gè)單獨(dú)的正則化函數(shù)，如上面鏈接中的建議。
def add_l2_regularization_kernel(layer, weight):
? ? def _add_l2_regularization_kernel():
? ? ? ? l2 = tf.keras.regularizers.l2(weight)
? ? ? ? return l2(layer.kernel)
? ? return _add_l2_regularization_kernel
def add_l2_regularization_depthwise_kernel(layer, weight):
? ? def _add_l2_regularization_depthwise_kernel():
? ? ? ? l2 = tf.keras.regularizers.l2(weight)
? ? ? ? return l2(layer.depthwise_kernel)
? ? return _add_l2_regularization_depthwise_kernel
if config.has("regularizer"):
? ? if config.regularizer.name == "l2":
? ? ? ? l2_reg = config.regularizer.weight
? ? ? ? for layer in model.layers:
? ? ? ? ? ? if isinstance(layer, tf.keras.layers.DepthwiseConv2D):
? ? ? ? ? ? ? ? layer.add_loss(add_l2_regularization_depthwise_kernel(layer, l2_reg))
? ? ? ? ? ? elif isinstance(layer, tf.keras.layers.Conv2D) or isinstance(layer, tf.keras.layers.Dense):
? ? ? ? ? ? ? ? layer.add_loss(add_l2_regularization_kernel(layer, l2_reg))
添加回答
舉報(bào)
0/150
提交
取消