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