FlaxLayer 类keras.layers.FlaxLayer(module, method=None, variables=None, **kwargs)
包装 Flax 模块的 Keras 层。
此层允许在 Keras 中使用 JAX 作为 Keras 后端时，以 flax.linen.Module 实例的形式使用 Flax 组件。
用于前向传播的模块方法可以通过 method 参数指定，默认值为 __call__。此方法必须具有以下名称完全相同的参数：
__call__），则为 self，否则为 module，用于传递模块。inputs：模型的输入，一个 JAX 数组或数组的 PyTree。training (可选)：一个指定训练模式或推理模式的参数，在训练模式下传递 True。FlaxLayer 会自动处理模型的非训练状态和所需的 RNG。请注意，flax.linen.Module.apply() 的 mutable 参数被设置为 DenyList(["params"])，因此假设 "params" 集合之外的所有变量都是非训练权重。
此示例展示了如何从 Flax Module 创建具有默认 __call__ 方法且没有训练参数的 FlaxLayer。
class MyFlaxModule(flax.linen.Module):
@flax.linen.compact
def __call__(self, inputs):
x = inputs
x = flax.linen.Conv(features=32, kernel_size=(3, 3))(x)
x = flax.linen.relu(x)
x = flax.linen.avg_pool(x, window_shape=(2, 2), strides=(2, 2))
x = x.reshape((x.shape[0], -1)) # flatten
x = flax.linen.Dense(features=200)(x)
x = flax.linen.relu(x)
x = flax.linen.Dense(features=10)(x)
x = flax.linen.softmax(x)
return x
flax_module = MyFlaxModule()
keras_layer = FlaxLayer(flax_module)
此示例展示了如何包装模块方法以符合所需签名。这允许有多个输入参数和一个名称和值不同的训练参数。此外，还展示了如何使用未绑定到模块的函数。
class MyFlaxModule(flax.linen.Module):
@flax.linen.compact
def forward(self, input1, input2, deterministic):
...
return outputs
def my_flax_module_wrapper(module, inputs, training):
input1, input2 = inputs
return module.forward(input1, input2, not training)
flax_module = MyFlaxModule()
keras_layer = FlaxLayer(
module=flax_module,
method=my_flax_module_wrapper,
)
参数
flax.linen.Module 或其子类的实例。Module 中的一个方法。如果未提供，则使用 __call__ 方法。method 也可以是未在 Module 中定义的函数，在这种情况下，它必须将 Module 作为第一个参数。它用于 Module.init 和 Module.apply。详细信息记录在 flax.linen.Module.apply() 的 method 参数中。dict，包含模块的所有变量，格式与 flax.linen.Module.init() 的返回值相同。它应该包含一个 "params" 键，如果适用，还应包含用于非训练状态变量集合的其他键。这允许传递训练好的参数和学习到的非训练状态，或控制初始化。如果传递 None，则在构建时调用模块的 init 函数来初始化模型的变量。