tensorflow相关内容

找不到满足张量流要求的版本

我安装了最新版本的 Python (3.6.4 64-bit) 和最新版本的 PyCharm (2017.3.3 64-bit).然后我在 PyCharm 中安装了一些模块(Numpy、Pandas 等),但是当我尝试安装 Tensorflow 时它没有安装,我收到错误消息: 找不到满足 TensorFlow 要求的版本(来自版本:)找不到 TensorFlow 的匹配分布. 然后我尝 ..
发布时间:2021-12-02 17:00:38 Python

无法在仅 tensorflow CPU 安装上加载动态库“cudart64_101.dll"

我刚刚通过 pip install tensorflow 安装了最新版本的 Tensorflow,每当我运行程序时,我都会收到日志消息: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] 无法加载动态库“cudart64_101.dll";dlerror: cudart64_101.dll 未找到 这不好吗? ..
发布时间:2021-12-02 16:54:22 Python

如何将注意力层添加到 Bi-LSTM

我正在开发一个 Bi-LSTM 模型并想为其添加一个注意力层.但我不知道如何添加它. 我当前的模型代码是 model = Sequential()模型.添加(嵌入(最大字数,1152,输入长度=最大长度,权重=[嵌入]))model.add(BatchNormalization())模型.添加(激活('tanh'))模型.添加(辍学(0.5))模型.添加(双向(LSTM(32)))mode ..
发布时间:2021-12-02 16:51:34 AI人工智能

跳过 NaN 输入的自定义损失函数

我正在构建一个自动编码器,我的数据中有 NaN 值.如何创建自定义 (MSE) 损失函数,如果在验证数据中遇到 NaN,则不计算损失? 从网上得到一个提示: def nan_mse(y_actual, y_predicted):per_instance = tf.where(tf.is_nan(y_actual),tf.zeros_like(y_actual),tf.square(tf.s ..
发布时间:2021-11-30 19:50:46 Python

如何在将单词呈现为嵌入的同时在整个词汇预测上拥有 LSTM Autoencoder 模型

所以我一直在研究 LSTM Autoencoder 模型.我还创建了这个模型的各种版本. 1. 使用已经训练好的词嵌入创建模型:在这种情况下,我使用已经训练好的手套向量的权重作为特征(文本数据)的权重.这是结构: inputs = Input(shape=(SEQUENCE_LEN, EMBED_SIZE), name="input")编码 = 双向(LSTM(LATENT_SIZE),m ..
发布时间:2021-11-30 19:50:25 其他开发

图断开:无法获得张量 Tensor("conv2d_1_input:0", shape=(?, 128, 128, 1), dtype=float32) 的值

我正在尝试实现一个自动编码器,它获得 3 个不同的输入并融合这三个图像.我想获得编码器中一个层的输出,并将它与解码器中的一个层连接起来,但是当我运行它时,我得到了图形断开连接的错误.这是我的代码: def create_model(input_shape):input_1 = keras.layers.Input(input_shape)input_2 = keras.layers.Input( ..
发布时间:2021-11-30 19:50:05 Python

如何排除层权重并仅保留我想要的权重并使用 keras 预测模型?

我想提取一些选定层的权重并将它们保存为一个名为 encoding_weight.h5 的 Hdf5 文件,然后预测模型以获得输出. 原始模型包含我不需要的所有权重. model = Autoencoder(input_shape=x_train.shape[1:]) #这是原始模型模型摘要()layer_name_list = ['dense2048','batch2048','act20 ..
发布时间:2021-11-30 19:49:23 Python

使用 Python 代码进行深度学习不再有效.“类型错误:函数构建代码之外的操作正在传递一个“图形"张量."

我正在实现一个 Tensorflow Variational Autoencoder,完全从“Python 深度学习"一书中复制代码.直到几天前,代码运行良好,但截至昨天它已停止运行(我没有更改代码). 该代码用于生成模型,该模型可以从 MNIST 数据集中复制图像. 具体的错误信息如下: TypeError: 正在传递函数构建代码之外的操作“图"张量.有可能有图张量通过包含一个 ..
发布时间:2021-11-30 19:49:13 Python

如何在任何深度建模框架中实现以均值和方差值作为输入的高斯渲染器(需要可反向传播)

想象一个典型的自动编码器-解码器模型.但是,我需要实现结构化/自定义解码器,而不是使用去卷积和放大来创建/合成类似于模型输入的张量的通用解码器. 在这里,我需要解码器接收它的输入,例如一个 10x2 张量,其中每一行代表 x,y 位置或坐标,并渲染一个固定的预定义大小的图像,其中在输入指定的位置生成了 10 个高斯分布. 另一种方式,我需要创建一个空的固定大小的张量,将 10 个坐标指 ..
发布时间:2021-11-30 19:48:54 其他开发

为什么自动编码器与编码器 + 解码器的预测不同?

我按照建议在 Keras 中构建了一个 CNN 1d Autoencoder in this SO question,其中编码器和解码器是分开的.我的目标是在训练自动编码器后重新使用解码器.我的 Autoencoder 的中心层是 Dense 层,因为我想在之后学习它. 我的问题是,如果我编译并拟合整个自动编码器,写成 Decoder()Encoder()(x) 其中 x 是输入,我得到一个 ..
发布时间:2021-11-30 19:48:44 Python

如何在keras中查看层输出的张量值

我有一个 Seq2Seq 模型.我有兴趣打印出每次迭代编码器输出的矩阵值. 因此,例如 encoder 中矩阵的维度是 (?,20) 和 epoch =5 并且在每个epoch,有10次迭代,我想查看每个 epoch 的 (?,20) 维度的 10 矩阵. 我已经转到了几个链接,如此处,但它仍然没有打印出值矩阵.使用上面链接中提到的代码: 将 keras.backend 导入为 Kk ..
发布时间:2021-11-30 19:48:34 其他开发

Tensorflow Autoencoder 带有来自二进制文件的自定义训练示例

我正在尝试调整此处找到的 Tensorflow Autoencoder 代码(https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/autoencoder.py) 使用我自己的训练示例.我的训练示例是在二进制文件中连续保存为 UINT8 值的单通道 29*29(灰度)图像 ..
发布时间:2021-11-30 19:48:10 Python

是它们的 scatter_update() 用于张量流中的占位符

我正在用 tensorflow 编写一个去噪自动编码器函数(它有点长,所以我不会发布整个代码)并且一切都运行良好,除非我向批处理添加掩蔽噪声 屏蔽噪声只是将特征的随机比例设为 0.所以问题只是将矩阵中的一些值设为 0.(如果我有一个 np.array 用于 exepmle) 所以我明白了,如果它是一个 tf.variable,由于 tf.scatter_update() 如何修改矩阵的 ..
发布时间:2021-11-30 19:47:58 其他开发

在 Tensorflow 中为输入和输出保持相同的数据集扩充

我有一个包含图像作为输入和输出的批处理数据集.代码是这样的: os.chdir(r'E:/trainTest')def process_img(file_path):img = tf.io.read_file(file_path)img = tf.image.decode_png(img, 通道=3)img = tf.image.convert_image_dtype(img, tf.flo ..
发布时间:2021-11-30 19:47:17 Python

如何将张量转换为 numpy 数组

我是 tensorflow 的初学者.我在帮助下制作了简单的自动编码器.我想将最终的 decoded 张量转换为 numpy 数组.我尝试使用 .eval() 但我无法使用它.如何将张量转换为 numpy? 我的输入图片大小为 512*512*1,数据类型为原始图片格式. 代码 #input图像尺寸 = 512隐藏 = 256input_image = np.fromfile('PA ..
发布时间:2021-11-30 19:46:20 Python

如何使用 TimeDistributed 层预测动态长度的序列?蟒蛇3

所以我正在尝试构建一个基于 LSTM 的自动编码器,我想将其用于时间序列数据.这些被分成不同长度的序列.因此,模型的输入具有 [None, None, n_features] 形状,其中第一个 None 代表样本数,第二个代表序列的 time_steps.序列由 LSTM 处理,参数 return_sequences = False,然后由函数 RepeatVector 重新创建编码维度并再次运行 ..
发布时间:2021-11-30 19:45:31 其他开发