Python tf.keras.utils.unpack_x_y_sample_weight用法及代码示例

解包用户提供的数据元组。

用法

tf.keras.utils.unpack_x_y_sample_weight(
    data
)

这是在覆盖 Model.train_step 、 Model.test_step 或 Model.predict_step 时使用的便利实用程序。该实用程序可以轻松支持 (x,) , (x, y) 或 (x, y, sample_weight) 形式的数据。

单机使用：

features_batch = tf.ones((10, 5))
labels_batch = tf.zeros((10, 5))
data = (features_batch, labels_batch)
# `y` and `sample_weight` will default to `None` if not provided.
x, y, sample_weight = tf.keras.utils.unpack_x_y_sample_weight(data)
sample_weight is None
True

覆盖 Model.train_step 中的示例：

class MyModel(tf.keras.Model):

  def train_step(self, data):
    # If `sample_weight` is not provided, all samples will be weighted
    # equally.
    x, y, sample_weight = tf.keras.utils.unpack_x_y_sample_weight(data)

    with tf.GradientTape() as tape:
      y_pred = self(x, training=True)
      loss = self.compiled_loss(
        y, y_pred, sample_weight, regularization_losses=self.losses)
      trainable_variables = self.trainable_variables
      gradients = tape.gradient(loss, trainable_variables)
      self.optimizer.apply_gradients(zip(gradients, trainable_variables))

    self.compiled_metrics.update_state(y, y_pred, sample_weight)
    return {m.name:m.result() for m in self.metrics}