tensorflow __init__、build 和call小结

 1.介绍

    在使用tf构建网络框架的时候，经常会遇到__init__、build 和call这三个互相搭配着使用，那么它们的区别主要在哪里呢？

    1）__init__主要用来做参数初始化用，比如我们要初始化卷积的一些参数，就可以放到这里面

    2）call可以把类型的对象当做函数来使用，这个对象可以是在__init__里面也可以是在build里面

    3）build一般是和call搭配使用，这个时候，它的功能和__init__很相似，当build中存放本层需要初始化的变量，当call被第一次调用的时候，会先执行build()方法初始化变量，但后面再调用到call的时候，是不会再去执行build()方法初始化变量

2.代码

class RB(tf.keras.layers.Layer):

  def __init__(self, num_filters, *args, **kwargs):
    self.num_filters = num_filters
    super(RB, self).__init__(*args, **kwargs)
    #按需求添加卷积
  def build(self, input_shape):
    #按需求添加卷积
    self._layers = [
    ]
    super(RB, self).build(input_shape)

  def call(self, tensor):
    for layer in self._layers:
      tensor = layer(tensor)


class DecodeNet(tf.keras.layers.Layer):

  def __init__(self, num_filters, *args, **kwargs):
    self.num_filters = num_filters
    super(DecodeNet, self).__init__(*args, **kwargs)
    self.rb_block0 = RB(self.num_filters)
    self.rb_block1 = RB(self.num_filters)
    self.rb_block2 = RB(self.num_filters)

  def build(self, input_shape):
    self._layers = [
        RB(self.num_filters),
        RB(self.num_filters),
        RB(self.num_filters),
    ]
    super(DecodeNet, self).build(input_shape)

  def call(self, tensor):
    tensor = self.rb_block0(tensor)
    tensor = self.rb_block1(tensor)
    for layer in self._layers:
      tensor = layer(tensor)
    tensor = self.rb_block2(tensor)
    return tensor