Python Keras Tensorflow自定义层仅调用一次

经过两天的紧张搜索，我在keras文档/一堆文档中没有找到答案

我正在尝试创建一个自定义层，以某种概率对每个批次执行增强（现在演示1）。 数据是具有一个通道的图像

我需要一种方法来知道增强功能是否在训练时实际发生，因为增强功能中的打印只在定义网络时发生一次，在激活

fit

功能时发生另一次

任何帮助都将不胜感激，谢谢

基本可运行工作示例，请注意

call（）

中的打印数：

从tensorflow.keras.layers导入输入、密集、Conv2D、展平
从tensorflow.keras.models导入顺序
随机输入
将numpy作为np导入
导入tensorflow作为tf
从tensorflow.keras导入优化器
#自定义增强层
类增强层（tf.keras.layers.Layer）：
定义初始化（self，p）：
超级（增强层，自我）。\uuuu初始化
self.p=p
def呼叫（自我、输入、培训=无）：
如果不是培训：
返回输入
打印（'输入自定义图层调用，训练='，训练）
如果random.random（）

如果使用

tf.print（）

它在图形执行中运行时也会打印。您可以在这里了解更多信息：。

对于将来的人，我将补充一点，在编译模型时，有一个默认值，用于防止从自定义层内部运行某些函数（这就是为什么常规print（）不起作用），以提高性能。其中包括：print（）、np.save（）以及更多

model.compile(..., run_eagerly=False)   # default

如果要启用上述所有功能，请使用以下工具编译模型：

model.compile(..., run_eagerly=True) 

---

层被调用一次，以构建由TensorFlow创建的计算图。这正是我所寻找的！当我使用tf.print（）时，消息被打印到我预期的标准输出中-在每个批次。非常感谢。

model.compile(..., run_eagerly=True)