如何使用tf.Module來(lái)更好地構(gòu)建Autograph

本篇文章為大家展示了如何使用tf.Module來(lái)更好地構(gòu)建Autograph，內(nèi)容簡(jiǎn)明扼要并且容易理解，絕對(duì)能使你眼前一亮，通過(guò)這篇文章的詳細(xì)介紹希望你能有所收獲。

10年積累的成都做網(wǎng)站、成都網(wǎng)站建設(shè)經(jīng)驗(yàn)，可以快速應(yīng)對(duì)客戶(hù)對(duì)網(wǎng)站的新想法和需求。提供各種問(wèn)題對(duì)應(yīng)的解決方案。讓選擇我們的客戶(hù)得到更好、更有力的網(wǎng)絡(luò)服務(wù)。我雖然不認(rèn)識(shí)你，你也不認(rèn)識(shí)我。但先網(wǎng)站設(shè)計(jì)后付款的網(wǎng)站建設(shè)流程，更有貢井免費(fèi)網(wǎng)站建設(shè)讓你可以放心的選擇與我們合作。

有三種計(jì)算圖的構(gòu)建方式：靜態(tài)計(jì)算圖，動(dòng)態(tài)計(jì)算圖，以及Autograph。

TensorFlow 2.0主要使用的是動(dòng)態(tài)計(jì)算圖和Autograph。

動(dòng)態(tài)計(jì)算圖易于調(diào)試，編碼效率較高，但執(zhí)行效率偏低。
靜態(tài)計(jì)算圖執(zhí)行效率很高，但較難調(diào)試。

而Autograph機(jī)制可以將動(dòng)態(tài)圖轉(zhuǎn)換成靜態(tài)計(jì)算圖，兼收?qǐng)?zhí)行效率和編碼效率之利。

當(dāng)然Autograph機(jī)制能夠轉(zhuǎn)換的代碼并不是沒(méi)有任何約束的，有一些編碼規(guī)范需要遵循，否則可能會(huì)轉(zhuǎn)換失敗或者不符合預(yù)期。

下面我們介紹使用tf.Module來(lái)更好地構(gòu)建Autograph。

一，Autograph和tf.Module概述

前面在介紹Autograph的編碼規(guī)范時(shí)提到構(gòu)建Autograph時(shí)應(yīng)該避免在@tf.function修飾的函數(shù)內(nèi)部定義tf.Variable.

但是如果在函數(shù)外部定義tf.Variable的話(huà)，又會(huì)顯得這個(gè)函數(shù)有外部變量依賴(lài)，封裝不夠完美。

一種簡(jiǎn)單的思路是定義一個(gè)類(lèi)，并將相關(guān)的tf.Variable創(chuàng)建放在類(lèi)的初始化方法中。而將函數(shù)的邏輯放在其他方法中。

這樣一頓猛如虎的操作之后，我們會(huì)覺(jué)得一切都如同人法地地法天天法道道法自然般的自然。

驚喜的是，TensorFlow提供了一個(gè)基類(lèi)tf.Module，通過(guò)繼承它構(gòu)建子類(lèi)，我們不僅可以獲得以上的自然而然，而且可以非常方便地管理變量，還可以非常方便地管理它引用的其它Module，最重要的是，我們能夠利用tf.saved_model保存模型并實(shí)現(xiàn)跨平臺(tái)部署使用。

實(shí)際上，tf.keras.models.Model, tf.keras.layers.Layer 都是繼承自tf.Module的，提供了方便的變量管理和所引用的子模塊管理的功能。

因此，利用tf.Module提供的封裝，再結(jié)合TensoFlow豐富的低階API，實(shí)際上我們能夠基于TensorFlow開(kāi)發(fā)任意機(jī)器學(xué)習(xí)模型(而非僅僅是神經(jīng)網(wǎng)絡(luò)模型)，并實(shí)現(xiàn)跨平臺(tái)部署使用。