调用tensorflow2模型未返回在call方法中定义的输出

如何解决调用tensorflow2模型未返回在call方法中定义的输出

当我调用tf2模型时，它并没有按照我在tf Model子类中定义call（）方法的方式返回给我的值。

相反，调用模型的call（）方法会返回我在build（）方法中定义的张量

为什么会这样，我该如何解决？

import numpy as np
import tensorflow as tf

num_items = 1000
emb_dim = 32
lstm_dim = 32

class rnn_model(tf.keras.Model):
    def __init__(self,num_items,emb_dim): 
        super(rnn_model,self).__init__()
        
        self.emb   = tf.keras.layers.Embedding(num_items,emb_dim,name='embedding_layer')
        self.GRU   = tf.keras.layers.LSTM(lstm_dim,name='rnn_layer')
        self.dense = tf.keras.layers.Dense(num_items,activation = 'softmax',name='final_layer')
        
    def call(self,inp,is_training=True):  
        emb = self.emb(inp)
        gru = self.GRU(emb)
        # logits=self.dense(gru)
        
        return gru # (bs,lstm_dim=50)
    
    def build(self,inp_shape):
      x = tf.keras.Input(shape=inp_shape,name='input_layer')
      # return tf.keras.Model(inputs=[x],outputs=self.call(x))
      return tf.keras.Model(inputs=[x],outputs=self.dense(self.call(x)))

maxlen = 10
model = rnn_model(num_items,emb_dim).build((maxlen,))
model.summary()

gru_out = model(inp)
print(gru_out.shape) # should have been (bs=16,lstm_dim=32)

以下是我得到的输出-

Model: "functional_11"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_layer (InputLayer)     [(None,10)]              0         
_________________________________________________________________
embedding_layer (Embedding)  (None,10,32)            32000     
_________________________________________________________________
rnn_layer (LSTM)             (None,32)                8320      
_________________________________________________________________
final_layer (Dense)          (None,1000)              33000     
=================================================================
Total params: 73,320
Trainable params: 73,320
Non-trainable params: 0
_________________________________________________________________
(16,1000)

我打算仅在模型末尾使用'final_layer'或致密层，将其输入到采样的softmax函数中，在该函数中，它将与gru_out一起使用以计算损失（以训练型号）。

在测试时，我打算将gru_out手动传递到model.get_layer（'final_layer'）中以获取最终登录信息。