我正在尝试构建一个具有DenseVariational层的模型，以便它可以报告认知不确定性。https://www.tensorflow.org/probability/examples/Probabilistic_Layers_Regression#figure_3_epistemic_uncertainty
模型训练工作得很好，现在我想保存模型并将其加载到生产环境中。
Layer DenseVariational has arguments in `__init__` and therefore must override `get_config`.然后我又补充道
class CustomVariational(tfp.layers.DenseVariational):
def get_config(self):
config = super().get_config().copy()
config.update({
'units': self.units,
'make_posterior_fn': self._make_posterior_fn,
'make_prior_fn': self._make_prior_fn
})
return config但由于新错误而失败
Unable to create link (name already exists)DenseVariational图层是否仅用于研究？
3条答案
按热度按时间3yhwsihp1#
我认为我们可以通过使用
save_weights方法来规避这个问题。sr4lhrrt2#
当你把
with tf.name_scope(...)加到先验和后验函数中时，它应该被解析，否则它们最终对两个Tensor都有相同的名称。我们也在修复示例教程colab，应该很快就会上线，谢谢。
更新：
我们不是在应用程序中修复它，而是在库中修复它：https://github.com/tensorflow/probability/commit/0ca065fb526b50ce38b68f7d5b803f02c78c8f16。一旦更新，重复的Tensor名称应该被解决。谢谢。
v64noz0r3#
已经快2年了，问题还在继续。
解决方法是仅存储权重：
然后，您可以使用相同的模型结构并加载权重。
例如：
第一次
初始化具有相同结构的新模型：
第一个
我希望这对你有帮助！