tensorflow __init__、build 和call小結

1.介紹

    在使用tf構建網絡框架的時候，經常會遇到__init__、build 和call這三個互相搭配着使用，那麼它們的區別主要在哪裏呢？

    1）__init__主要用來做參數初始化用，比如我們要初始化卷積的一些參數，就可以放到這裏面

    2）call可以把類型的對象當做函數來使用，這個對象可以是在__init__裏面也可以是在build裏面

    3）build一般是和call搭配使用，這個時候，它的功能和__init__很相似，當build中存放本層需要初始化的變量，當call被第一次調用的時候，會先執行build()方法初始化變量，但後面再調用到call的時候，是不會再去執行build()方法初始化變量

 

2.代碼

class RB(tf.keras.layers.Layer):

  def __init__(self, num_filters, *args, **kwargs):
    self.num_filters = num_filters
    super(RB, self).__init__(*args, **kwargs)
    #按需求添加捲積
  def build(self, input_shape):
    #按需求添加捲積
    self._layers = [
    ]
    super(RB, self).build(input_shape)

  def call(self, tensor):
    for layer in self._layers:
      tensor = layer(tensor)


class DecodeNet(tf.keras.layers.Layer):

  def __init__(self, num_filters, *args, **kwargs):
    self.num_filters = num_filters
    super(DecodeNet, self).__init__(*args, **kwargs)
    self.rb_block0 = RB(self.num_filters)
    self.rb_block1 = RB(self.num_filters)
    self.rb_block2 = RB(self.num_filters)

  def build(self, input_shape):
    self._layers = [
        RB(self.num_filters),
        RB(self.num_filters),
        RB(self.num_filters),
    ]
    super(DecodeNet, self).build(input_shape)

  def call(self, tensor):
    tensor = self.rb_block0(tensor)
    tensor = self.rb_block1(tensor)
    for layer in self._layers:
      tensor = layer(tensor)
    tensor = self.rb_block2(tensor)
    return tensor