我正在为时间序列预测模型编写一个训练管道，我使用一个朴素的季节模型作为基线，它只输出输入的最后一个out_steps。
class Naive(tf.keras.Model):
def __init__(self, out_steps: int,
**kwargs):
super().__init__(**kwargs)
self.out_steps = out_steps
def call(self, inputs, training=None):
features = inputs
return features[:, -self.out_steps:, :]字符串
然后我可以使用通用训练阶段：
def train_model(model_name, **model_params):
model = instantiate_model(model_name, **model_params)
model.compile(loss='mse', optimizer='adam')
model.fit(train_dataset)型
有没有办法让fit明白模型没有可训练的层，并立即停止？
1条答案
按热度按时间vuktfyat1#
只有一行 Package ：
字符串
model.trainable_variables包含可训练变量，对于没有这些变量的模型，this将为空，if条件为False。但是请注意，如果你使用
Sequential创建模型，并且没有在第一层提供输入形状，也没有调用模型的build()函数，这样的模型在调用fit之前也不会有任何变量！这些变量只会在第一次调用模型时创建。所以你必须小心，或者添加这样的东西：型