Python 如何在不初始化类的情况下将tf.keras.layers.layer分配给类？

我在一个类中创建各种对称AE。我现在将这个类移植到TF2.0，它比我想象的要复杂。然而，我使用层和模型的子类化来实现这一点。因此，我想将几个keras层分组为一个keras层。但是如果我想写这样的东西：

def __init__(self, name, keras_layer, **kwargs):
    self.keras_layer = tf.keras.layer.Conv2D
    super(CoderLayer, self).__init__(name=name, **kwargs)

我得到以下错误，因为tf想要使用这个未初始化的层：

TypeError: _method_wrapper() missing 1 required positional argument: 'self'

我也试着把它写在一个列表中，但它也不起作用

编辑

下面是一个有效的示例和完整的回溯：

import tensorflow as tf
print(tf.__version__) # 2.0.0-alpha0

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

    def __init__(self, name, keras_layer):
        self.keras_layer = keras_layer
        self.out = keras_layer(12, [3, 3])
        super(CoderLayer, self).__init__(name=name)

    def call(self, inputs):
        return self.out(inputs)

inputs = tf.keras.Input(shape=(200, 200, 3), batch_size=12)
layer = CoderLayer("minimal_example", tf.keras.layers.Conv2D)

layer(inputs)

回溯：

Traceback (most recent call last):
  File "..\baseline_cae.py", line 24, in <module>
    layer(inputs)
  File "..\AppData\Local\Continuum\anaconda3\lib\site-packages\tensorflow\python\keras\engine\base_layer.py", line 581, in __call__
    self._clear_losses()
  File "..\AppData\Local\Continuum\anaconda3\lib\site-packages\tensorflow\python\training\tracking\base.py", line 456, in _method_wrapper
    result = method(self, *args, **kwargs)
  File "..\AppData\Local\Continuum\anaconda3\lib\site-packages\tensorflow\python\keras\engine\base_layer.py", line 818, in _clear_losses
    layer._clear_losses()
TypeError: _method_wrapper() missing 1 required positional argument: 'self'

回溯（最近一次呼叫最后一次）：
文件“.\baseline_cae.py”，第24行，在
图层（输入）
文件“.\AppData\Local\Continuum\anaconda3\lib\site packages\tensorflow\python\keras\engine\base\u layer.py”，第581行，在调用中__
自清损失（）
文件“.\AppData\Local\Continuum\anaconda3\lib\site packages\tensorflow\python\training\tracking\base.py”，第456行，在方法包装中
结果=方法（自身、*args、**kwargs）
文件“.\AppData\Local\Continuum\anaconda3\lib\site packages\tensorflow\python\keras\engine\base\u layer.py”，第818行，在_clear\u loss中
层。_清除_损失（）
TypeError:\u方法\u包装器（）缺少1个必需的位置参数：“self”

问题在于将未实例化的类设置为

tf.keras.layers.Layer

子类中的属性。如果删除以下行

self.keras\u layer=keras\u layer

该守则将起作用：

将tensorflow导入为tf
类别代码层（tf.keras.layers.Layer）：
定义初始层（自身、名称、keras层）：
超级（CoderLayer，self）。\uuuuu初始化（name=name）
self.out=keras_层（12、[3,3]）
def呼叫（自我，输入）：
返回自输出（输入）
输入=tf.keras.Input（形状=（2002003），批次大小=12）
layer=CoderLayer（“最小示例”，tf.keras.layers.Conv2D）
打印（图层（输入））
#张量（“最小值”示例3/conv2d\u 12/BiasAdd:0），形状=（12,198,198,12），数据类型=float32）

这可能是一个错误。是一个已经提出的类似问题（如果您将未实例化的类放入列表并尝试

\uu setattr\uu（）

，您将得到相同的异常）

如果要使用多个图层，这可能是一种可行的解决方法：

class CoderLayer（tf.keras.layers.Layer）：
定义初始（自我、名称、层名称）：
超级（CoderLayer，self）。\uuuuu初始化（name=name）
self.layer=layername
self.out=tf.keras.layers.\uuu dict\uuuu[layername]（1,2）
def呼叫（自我，输入）：
返回自输出（输入）
输入=tf.random.normal（[1,3,3,1]）
layer=CoderLayer（“mylayer”，“Conv2D”）
图层（输入）.numpy（）

请包含完整的回溯，一个可复制的例子就好了，我不清楚问题出在哪里。