TensorFlow被曝存在嚴重bug，搭配Keras可能丟失權重

　　最近，一位從事 NLP 工程師 Gupta 發現了 TensorFlow 存在的一個嚴重 bug：

　　每個在自定義層中使用 Keras 函數式 API 的用戶都要注意了！使用用 Keras 的 Functional API 創建的權重，可能會丟失。

　　這一話題在 Reddit 機器學習板塊上被熱議，引起不少 TensorFlow 用戶共鳴。

　　具體來說，就是在 API 中使用自定義層，會導致 trainable_variables 中的權重無法更新。而且這些權重也不會放入 non_trainable_variables 中。

　　也就是說，原本需要訓練的權重現在被凍結了。

　　讓這位工程師感到不滿的是，他大約一個月前在 GitHub 中把這個 bug 報告給谷歌，結果谷歌官方到現在還沒有修復。

　　解決辦法

　　如何檢驗自己的代碼是否會出現類似問題呢？請調用 model.trainable_variables 來檢測自己的模型：

　　看看你所有的可變權重是否正確，如果權重缺失或者未發生變化，說明你也中招了。

　　Gupta 還自己用 Transformer 庫創建模型的 bug 在 Colab 筆記本中復現了，有興趣的讀者可以前去觀看。

　　https://colab.research.google.com/gist/Santosh-Gupta/40c54e5b76e3f522fa78da6a248b6826/missingtrainablevarsinference_var.ipynb

　　對此問題，Gupta 給出的一種解決方法是：改為使用 Keras 子類創建模型。改用此方法后，所有的權重都將出現在 trainable_variables 中。

　　為了絕對確保用函數式 API 和子類方法創建的模型完全相同，Gupta 在每個 Colab 筆記本底部使用相同的輸入對它們進行了推理，模型的輸出完全相同。

　　但是，使用函數式 API 模型進行訓練會將許多權重視為凍結，而且這些權重也沒有出現在 non_trainable_variables 中，因此無法為這些權重解凍。

　　為了檢查谷歌最近是否修復了該漏洞，Gupta 還安裝了 Nightly 版的 TF 2.3.0-rc1，保持框架處于最新狀態，但如今 bug 依然存在。

　　網友：還是用 PyTorch 吧

　　剛剛，Keras 創始人在 推ter 上回復，這不是 Keras 的 bug，并建議程序員使用單元測試。

　　對于 Gupta 所說的 bug，有網友說，他在 TensorFlow 和 Keras 之間傳遞權重的時候，出現了類似的錯誤，從此轉而使用 PyTorch。

　　另外還有不少網友也反映，谷歌的框架不太完善，管理方式一團糟，是在讓用戶幫他們測試 TensorFlow 的 bug。

　　反觀 PyTorch，說明文檔通俗易懂，最近官方還出了免費電子書，難道用 PyTorch 不香嗎？

　　你現在在使用哪種深度學習框架，你也遇到過類似的嚴重 bug 嗎？

　　原帖鏈接：
https://www.reddit.com/r/MachineLearning/comments/hrawam/d_theres_a_flawbug_in_tensorflow_thats_preventing/