tf.keras.model call() 方法，是否可以将方法 call() 与标签一起使用？答案

【问题标题】：tf.keras.model call() method, is it possible to use method call() with labels?tf.keras.model call() 方法，是否可以将方法 call() 与标签一起使用？
【发布时间】：2021-12-04 01:55:24
【问题描述】：

这个问题困扰了我一段时间：是否可以使用带有标签的tf.keras.model 的方法call()？从我所看到的情况来看，这并不合理，但让我感到奇怪的是，您能够使用这种方法训练模型，但不能像 .fit() 方法那样传递标签。

另外，当我阅读 tensorflow 文档中制作 DCGAN 的教程时，也出现了这个问题。

来源：https://www.tensorflow.org/tutorials/generative/dcgan

【问题讨论】：

标签： python tensorflow keras generative-adversarial-network

【解决方案1】：

您可以将张量列表传递给调用函数，因此您可以传递标签。但是，这不在 tensorflow/Keras 训练的逻辑中。在您的示例中，基本训练程序是 train_step。输出张量首先由生成器和鉴别器调用函数计算，然后传递给计算损失的函数。这是做事的标准方式：

def train_step(images):
noise = tf.random.normal([BATCH_SIZE, noise_dim])

with tf.GradientTape() as gen_tape, tf.GradientTape() as disc_tape:
  generated_images = generator(noise, training=True)
  real_output = discriminator(images, training=True)
  fake_output = discriminator(generated_images, training=True)

  gen_loss = generator_loss(fake_output)
  disc_loss = discriminator_loss(real_output, fake_output)

gradients_of_generator = gen_tape.gradient(gen_loss, generator.trainable_variables)
gradients_of_discriminator = disc_tape.gradient(disc_loss, discriminator.trainable_variables)

generator_optimizer.apply_gradients(zip(gradients_of_generator, generator.trainable_variables))
discriminator_optimizer.apply_gradients(zip(gradients_of_discriminator, discriminator.trainable_variables))

【讨论】：