Python 将张量流1层迁移到张量流2

我正在试验一段旧代码，它创建了一个非常基本的编码器

def make_encoder(data, code_size):
  x = tf.layers.flatten(data)
  x = tf.layers.dense(x, 200, tf.nn.relu)
  x = tf.layers.dense(x, 200, tf.nn.relu)
  loc = tf.layers.dense(x, code_size)
  scale = tf.layers.dense(x, code_size, tf.nn.softplus)
  return tfd.MultivariateNormalDiag(loc, scale)

由于tf.layer.dense等的贬值，我正在尝试将此代码迁移到Tensorflow 2。我不太熟悉tf.keras.layers如何实现上述功能，但我能够实现这一点：

def make_encoder(data, code_size):
  model = Sequential()
  model.add(Flatten())
  model.add(Dense(200, activation='relu'))
  model.add(Dense(200, activation='relu'))
  x = model(data)

  loc = model
  scale = model

  loc.add(Dense(code_size))
  scale.add(Dense(code_size, activation='softplus'))

  loc = loc(data)
  scale = scale(data)

  return tfd.MultivariateNormalDiag(loc, scale)

---

当我运行这个程序时，我得到的结果与以前非常不同/更差。我肯定我做错了什么/我做得不对。

建议使用定义复杂模型，例如多输出模型、有向无环图或具有共享层的模型

您的代码必须如下所示：

def Encoder(data, code_size):
    inputs = Input(shape=(data.shape[1:]))
    x = Flatten()(inputs)
    x = Dense(200, activation='relu')(x)
    x = Dense(200, activation='relu')(x)
    loc = Dense(code_size)(x)
    scale = Dense(code_size, activation='softplus')(x)
    return Model(inputs=inputs,ouputs=[loc,scale])

def make_encoder(data, code_size):
    loc,scale = Encoder(data, code_size)
    return tfd.MultivariateNormalDiag(loc, scale)

---

产生的错误是

TypeError:error将shape转换为TensorShape:int（）参数必须是字符串、类似于对象的字节或数字，而不是“TensorShape”。

当我到达行

inputs=Input（shape=（data.shape[1:]，）

时，将代码更改为

inputs=Input（shape=（data.shape[1:]））

它似乎已经解决了这个问题。但是，我现在在执行行

posterior=make\u编码器（data，code\u size=2）

时得到一个

关键字参数未理解错误。是因为我仍然在Tensorflow 1而不是Tensorflow 2上运行程序（考虑到程序的其余部分尚未迁移）？我认为它也应该在TF1上运行。从您得到的错误中，可能存在
code\u size=2
的问题。因为
编码器（数据、代码大小）
的定义没有关键字参数。试一下
posterior=make_encoder（数据，2）
我原以为这就是解决办法，但我得到了同样的错误。我再次检查了错误日志，发现我忘了通知您，
make\u encoder
在
make\u encoder=tf.make\u Template（'encoder'，make\u encoder）
行中被修改为模板对象。我将编码器函数移动到
make_Encoder
中的本地函数，并让它返回
loc，scale
，而不是模型，但仍然产生相同的错误。我不熟悉
tf。make_template
，但快速浏览文档后，我不确定为什么需要它。我的意思是通过使用在
编码器
函数中创建的
模型
实现变量共享