Tensorflow 2 tf.function input_signature 用于列表输入答案

【问题标题】：Tensorflow 2 tf.function input_signature for a list inputTensorflow 2 tf.function input_signature 用于列表输入
【发布时间】：2020-08-07 22:00:45
【问题描述】：

为了使用saved_model api 导出我的模型，我需要定义每个要在加载后调用的方法的input_signature。我不知道如何判断输入是一个可变长度的列表（例如tf.keras.Model.call）。

在 SO 上有一个关于input_signature 的未回答问题列表：

还有这个关于*args：TensorFlow 2 How to use *args in tf.function?，但它没有处理saved_model的问题。

【问题讨论】：

你找到答案了吗？
没那么有效
我现在只使用不带 input_signature 的 @tf.function，并以这种方式拟合模型：model.fit(x=[inp1,inp2,etc], y=exp)

标签： python tensorflow model

【解决方案1】：

也许您可以使用张量而不是列表作为输入？

然后在tf.TensorSpec 中指定[None] 维度，以实现跟踪重用的灵活性。

由于 TensorFlow 会根据张量的形状匹配张量，因此使用 None 维度作为通配符将允许函数对可变大小的输入重复使用跟踪。如果您有不同长度的序列，或者每批有不同大小的图像，则可能会出现可变大小的输入。

@tf.function(input_signature=(tf.TensorSpec(shape=[None], dtype=tf.int32),))
def g(x):
  print('Tracing with', x)
  return x

# No retrace!
print(g(tf.constant([1, 2, 3])))
print(g(tf.constant([1, 2, 3, 4, 5])))

Tracing with Tensor("x:0", shape=(None,), dtype=int32)
tf.Tensor([1 2 3], shape=(3,), dtype=int32)
tf.Tensor([1 2 3 4 5], shape=(5,), dtype=int32)

【讨论】：