Как получаются два позиционных аргумента, когда я ставлю только один? - PullRequest
Новая
       1

Как получаются два позиционных аргумента, когда я ставлю только один?

0 голосов
/ 07 апреля 2019

Следующий фрагмент кода был использован для определения архитектуры CNN в кератах с бэкэндом тензорного потока: 

class DownBlock(object):
    def __init__(self, prev_layer, num_chann = 16, depthwise_initializer = 'glorot_uniform', kernel_initializer = 'glorot_uniform', bias_initializer = 'zeros', drop_rate = None, spdrop_rate = None, activation = 'relu', pool = True):

        self.prev_layer = prev_layer

        if pool == True:
            self.prev_layer = MaxPooling2D((2, 2)) (self.prev_layer)
            self.prev_layer = Conv2D(num_chann, (1, 1), kernel_initializer = kernel_initializer, bias_initializer = bias_initializer) (self.prev_layer)

        self.convo = Activation(activation) (self.prev_layer)
        self.convo = BatchNormalization() (self.convo)
        if not spdrop_rate == None:             
            self.convo = SpatialDropout2D(spdrop_rate) (self.convo)
        if not drop_rate == None:             
            self.convo = Dropout(drop_rate) (self.convo)

        self.convo = Conv2D(num_chann, (1, 1), kernel_initializer = kernel_initializer, bias_initializer = bias_initializer) (self.convo)
        self.convo = DepthwiseConv2D((3, 3), depthwise_initializer = depthwise_initializer, bias_initializer = bias_initializer, padding = 'same') (self.convo)
        self.convo = Conv2D(num_chann, (1, 1), kernel_initializer = kernel_initializer, bias_initializer = bias_initializer) (self.convo)

        self.convo = Activation(activation) (self.convo)
        self.convo = BatchNormalization() (self.convo)
        if not spdrop_rate == None:             
            self.convo = SpatialDropout2D(spdrop_rate) (self.convo)
        if not drop_rate == None:             
            self.convo = Dropout(drop_rate) (self.convo)

        self.convo = DepthwiseConv2D((3, 3), depthwise_initializer = depthwise_initializer, bias_initializer = bias_initializer, padding = 'same') (self.convo)
        self.convo = Conv2D(num_chann, (1, 1), kernel_initializer = kernel_initializer, bias_initializer = bias_initializer) (self.convo)

        self.convo = Add([self.prev_layer, self.convo])

    def get(self):
        return self.convo

class UpBlock(object):
    def __init__(self, prev_layer, bridge_layer, num_chann = 16, depthwise_initializer = 'glorot_uniform', kernel_initializer = 'glorot_uniform', bias_initializer = 'zeros', drop_rate = None, spdrop_rate = None, activation = 'relu', up = True):

        self.prev_layer = prev_layer
        self.bridge_layer = bridge_layer

        self.convo = Activation(activation) (self.prev_layer)
        self.convo = BatchNormalization() (self.convo)
        if not spdrop_rate == None:             
            self.convo = SpatialDropout2D(spdrop_rate) (self.convo)
        if not drop_rate == None:             
            self.convo = Dropout(drop_rate) (self.convo)

        self.convo = Conv2D(num_chann, (1, 1), kernel_initializer = kernel_initializer, bias_initializer = bias_initializer) (self.convo)
        self.convo = DepthwiseConv2D((3, 3), depthwise_initializer = depthwise_initializer, bias_initializer = bias_initializer, padding = 'same') (self.convo)
        self.convo = Conv2D(num_chann, (1, 1), kernel_initializer = kernel_initializer, bias_initializer = bias_initializer) (self.convo)

        self.convo = Activation(activation) (self.convo)
        self.convo = BatchNormalization() (self.convo)
        if not spdrop_rate == None:             
            self.convo = SpatialDropout2D(spdrop_rate) (self.convo)
        if not drop_rate == None:             
            self.convo = Dropout(drop_rate) (self.convo)

        self.convo = DepthwiseConv2D((3, 3), depthwise_initializer = depthwise_initializer, bias_initializer = bias_initializer, padding = 'same') (self.convo)
        self.convo = Conv2D(num_chann, (1, 1), kernel_initializer = kernel_initializer, bias_initializer = bias_initializer) (self.convo)

        self.convo = Add([self.prev_layer, self.convo])

        if up == True:
            self.convo = Conv2D(num_chann/2, (1, 1), kernel_initializer = kernel_initializer, bias_initializer = bias_initializer) (self.convo)
            self.convo = Conv2DTranspose(num_chann/2, (2, 2), strides = (2, 2), kernel_initializer = kernel_initializer, bias_initializer = bias_initializer, padding = 'same') (self.convo)

        self.convo = Add([self.bridge_layer, self.convo])

    def get(self):
        return self.convo



inputs = Input((IMG_HEIGHT, IMG_WIDTH, IMG_CHANNELS))
s = Lambda(lambda x: x / 255) (inputs)
s = Conv2D(8, (1, 1)) (s)

d1 = DownBlock(s, num_chann = 16, drop_rate = 0.1)

d2 = DownBlock(d1.get(), num_chann = 32, drop_rate = 0.1)

d3 = DownBlock(d2.get(), num_chann = 64, drop_rate = 0.1)

d4 = DownBlock(d3.get(), num_chann = 128, drop_rate = 0.1)

d5 = DownBlock(d4.get(), num_chann = 256, drop_rate = 0.1)

m = DownBlock(d5.get(), num_chann = 512, drop_rate = 0.1)

u5 = UpBlock(m.get(), d4.get(), num_chann = 256, drop_rate = 0.1)

u4 = UpBlock(u5.get(), d3.get(), num_chann = 128, drop_rate = 0.1)

u3 = UpBlock(u4.get(), d2.get(), num_chann = 64, drop_rate = 0.1)

u2 = UpBlock(u3.get(), d1.get(), num_chann = 32, drop_rate = 0.1)

u1 = UpBlock(u2.get(), s, num_chann = 16, drop_rate = 0.1)

final = Conv2D(1, (1, 1)) (u1.get())
# final = SpatialDropout2D(0.1) (final)
final = Dropout(0.1) (final)
final = BatchNormalization() (final)
outputs = Activation("sigmoid") (final)

model = Model(inputs = [inputs], outputs = [outputs])

При выполнении внутри ноутбука Jupyter создается следующая трассировка стека: 

TypeError                                 Traceback (most recent call last)
<ipython-input-31-f23b70d0be6d> in <module>()
    79 s = Conv2D(8, (1, 1)) (s)
    80 
---> 81 d1 = DownBlock(s, num_chann = 16, drop_rate = 0.1)
    82 
    83 d2 = DownBlock(d1.get(), num_chann = 32, drop_rate = 0.1)

<ipython-input-31-f23b70d0be6d> in __init__(self, prev_layer, num_chann, depthwise_initializer, kernel_initializer, bias_initializer, drop_rate, spdrop_rate, activation, pool)
    29         self.convo = Conv2D(num_chann, (1, 1), kernel_initializer = kernel_initializer, bias_initializer = bias_initializer) (self.convo)
    30 
---> 31         self.convo = Add([self.prev_layer, self.convo])
    32 
    33     def get(self):

TypeError: __init__() takes 1 positional argument but 2 were given

Последняя строка в трассировке ... 

TypeError: __init__() takes 1 positional argument but 2 were given

... говорит о передаче двух позиционных аргументов первому вызову UpBlock (), тогда как я явно передал один - 

d1 = DownBlock(s, num_chann = 16, drop_rate = 0.1)

Где находится другой позиционный аргумент и почему я получаю эту ошибку, если ее нет?

1 Ответ

3 голосов
/ 07 апреля 2019

Хотя ошибка возникает из-за вашего обращения к конструктору DownBlock, Python также отмечает, что трассировка ошибки (most recent call last).Эта ошибка относится к передаче двух аргументов конструктору Add.Python говорит вам, что ваш вызов Add() имеет слишком много аргументов.

Хитрость здесь в том, что, похоже, вы предоставляете только один аргумент списка для Add(), это то, что функции конструктора класса Pythonвсе получают неявный аргумент self в качестве первого позиционного аргумента.См. документацию по Python .

из комментариев:

При использовании функционального API в Keras сначала необходимо создать объекты слоя, как в a = Add(), а затем слой долженбыть добавленным к графу вычислений путем вызова результирующего объекта, как в:

out = a([input1, input2, ...])

или в исходном примере:

self.convo = Add()([self.prev_layer, self.convo])

...