不使用init将参数传递给扩展keras.model

文档提供了在不使用

init

方法的情况下扩展模型的方法。根据我的理解，这很好，因为您不必实现

调用

函数。现在要实例化模型，可以执行以下操作

model = CustomModel(inputs, outputs) 

不确定

输入

，

输出

的去向-很高兴知道-但我的问题是如何在实例化模型时传递附加参数，即：

 model = CustomModel(inputs, outputs, other_args) 

编辑

other_args

可以是传递给

CustomModel

（而不是

keras.model

）的任何内容，即：

alpha=1.0

---

研究工作是我查阅了keras文档，它展示了扩展模型的两种方法。公布的方法是实现

\uuuu init\uuu

CustomModel示例允许覆盖示例中模型类（

训练步骤

）的特定方法。 当你打电话的时候

model = CustomModel(inputs, outputs) 

输入是一个张量或自定义模型的输入张量列表，并输出输出张量

您可以在示例中看到：

inputs = keras.Input(shape=(32,))
outputs = keras.layers.Dense(1)(inputs)

这定义了一个具有形状（32，）的输入层和单个输出神经元（没有隐藏层）的图形

请澄清

其他参数的用法。如果这些是模型训练/拟合使用的张量，它们应该是输入/输出参数的一部分（可以是张量列表）。如果
other_args
是影响模型自定义
train_step
函数的参数，则需要定义一个新的init方法，并调用
super（）

keras.Model
课程涉及训练和预测模型的机制。ML模型本身被定义为keras.Layer（s）的图形。
@M.inn问题很清楚，下面甚至有一个公认的答案。扩展keras模型时，必须实现init方法。然而，我在文档中展示了一个示例，您不必实现init。所以-我的问题是，在keras文档中，每个示例如何在没有init的情况下传递参数。还有什么不清楚的？顺便说一句，对于“社区”来说，一个替代公认答案的方法是创建一个setter并在编译之前调用它。我没有否决你的问题，这不是我们的风格。除此之外，请编辑您的问题；定义
其他参数
，并包括您在这方面的研究成果。谢谢