如何在急切执行模式下获得keras模型的可训练变量？

Question

我使用的是tensorflow 1.15.0

我用tf.keras构建自己的模型。但是当我试图用Saver保存我的模型时：

saver = tf.compat.v1.train.Saver(var_list=tf.trainable_variables())

我发现tf.trainable_variables()将始终返回eager execution mode中的空列表

下面是一个简单的代码示例：

import numpy as np
import tensorflow as tf
from tensorflow import keras

tf.enable_eager_execution()

def create_model():
    inlayer = keras.Input(shape=(10), name="input")
    outlayer = keras.layers.Dense(1, activation='relu')(inlayer)
    
    model = keras.Model(
        inputs=inlayer,
        outputs=outlayer,
    )
    
    optimizer = tf.keras.optimizers.Adam(0.0001)
           
    model.compile(optimizer=optimizer,
                  loss='mae') 
    return model

model = create_model()

history = model.fit(np.zeros((1, 10)), np.zeros((1, 10)), epochs=1)

tf.trainable_variables()

输出为[]

有人能告诉我为什么会发生这种情况，以及我如何为keras模型获取可训练的_变量

谢谢

Answer 1

您应该使用model.trainable_variables