能否在tf.keras.Model的call()方法中传入标签参数？

完全可以给tf.keras.Model的call()方法传入标签参数，你感知到的“不可行”是对call()的定位和默认上层封装逻辑的误解，核心原因如下：

• tf.keras.Model的call()本质是自定义前向传播逻辑的入口，参数规则完全由开发者自己定义，除首个参数为输入特征外，你可以按需添加任意数量的自定义参数，包括标签、训练状态标记、推理控制参数等。
• 你觉得它和fit()逻辑有差异，是因为两者定位完全不同：
  • fit()是Keras封装的高层训练入口，默认实现的train_step只会把输入特征传给call()，标签仅用于计算损失，不会主动传入call()，这是默认行为，不是硬性限制。
  • 你阅读的DCGAN官方教程没有用到标签传参，是因为原生DCGAN属于无监督生成任务，前向传播不需要标签参与，所以示例代码没有定义相关参数；如果是实现条件GAN这类需要标签约束的模型，就需要在生成器、判别器的call()里添加标签参数，做条件引导的前向计算。

具体实现示例 #

1. 自定义带标签参数的Model #

import tensorflow as tf

class ConditionalModel(tf.keras.Model):
    def __init__(self, num_classes=10):
        super().__init__()
        self.feature_extractor = tf.keras.layers.Dense(64, activation='relu')
        self.classifier_head = tf.keras.layers.Dense(num_classes)
    
    def call(self, inputs, labels=None, training=False):
        base_features = self.feature_extractor(inputs, training=training)
        # 传入标签时执行条件逻辑，比如特征和标签信息拼接
        if labels is not None:
            label_emb = tf.one_hot(labels, depth=10)
            base_features = tf.concat([base_features, label_emb], axis=-1)
        return self.classifier_head(base_features)

2. 手动调用call()传入标签 #

model = ConditionalModel()
# 随机生成测试输入和标签
test_input = tf.random.normal((32, 128))
test_labels = tf.random.uniform((32,), maxval=10, dtype=tf.int32)
# 直接传入标签调用
output = model(test_input, labels=test_labels)

3. 适配fit()自动传标签 #

如果要在fit()训练时自动把标签传入call()，只需要重写train_step方法，调整call()的传参逻辑即可：

class TrainableConditionalModel(ConditionalModel):
    def train_step(self, data):
        x, y = data
        with tf.GradientTape() as tape:
            # 训练时把标签传入call()
            y_pred = self(x, labels=y, training=True)
            loss = self.compiled_loss(y, y_pred, regularization_losses=self.losses)
        # 计算梯度并更新
        gradients = tape.gradient(loss, self.trainable_variables)
        self.optimizer.apply_gradients(zip(gradients, self.trainable_variables))
        # 更新指标
        self.compiled_metrics.update_state(y, y_pred)
        return {m.name: m.result() for m in self.metrics}

内容的提问来源于stack exchange，提问作者MARIO ADRIAN DOMINGUEZ BUCHELI