为什么在model.fit期间调用两次

Question

import tensorflow as tf
import numpy as np
x=np.random.rand(20,10,64)
y=np.random.randint(10,size=(20,1))
class mymodel(tf.keras.Model):
  def __init__(self):
    super(mymodel,self).__init__()
    self.l1 = tf.keras.layers.LSTM(10,return_state=True)
    self.l2 = tf.keras.layers.Dense(10,activation=tf.keras.activations.softmax)
  def call(self,input):
    print('hi')
    x=self.l1(input)
    # tf.print(x[0],x[1],x[2])
    x=self.l2(x[0])
    return x
model =mymodel()
model.compile(loss = tf.keras.losses.SparseCategoricalCrossentropy())
model.fit(x,y)

当我运行上面的代码时，我得到了 2 hi 打印出来。在这个例子中，只有 1 个 epoch 并且在那个 epoch 1 批次（批次大小为 20）内，那么为什么调用方法被调用了两次。

Answer 1

相关：tf.print() vs Python print vs tensor.eval()

在调用函数中插入的 Python print 只会在第一次执行时，在下面构建图形时。第二次调用由 TF 急切执行触发，同样只是第一次（如果您在 model.fit 之前运行 tf.compat.v1.disable_eager_execution()，您将只看到一个打印的 hi）。

但是，如果您第二次运行model.fit（第三次，...），您会注意到没有打印任何内容。这是因为，一旦构建了图形，前向传递就不再执行 call 函数。如果要打印与前向传递的每次执行相关的内容，则应使用 tf.print("hi")。您会注意到，这样一来，model.fit 中的每个 eopch 都会发生一个且只有一个打印。