tensorflow相关内容
我正在尝试研究神经网络和深度学习(http://neuralnetworksanddeeplearning.com/chap1.html)。使用MichalDanielDobrzanski为Python3更新的版本(https://github.com/MichalDanielDobrzanski/DeepLearningPython)。我试图在我的命令控制台中运行它,但它给出了下面的错误。我试着
..
我需要为TensorFlow设置一个Conda环境。我通过环境.yml文件执行此操作。我必须指定我的TensorFlow版本(最新的2.5.0),因为否则Conda将安装TF1.14。但因为TensorFlow似乎不能与最新的NumPy版本正常工作,所以我想使用NumPy 1.19或更早的版本。使用以下环境.yml Conda无法解决环境,它显示Found conflicts! Looking f
..
我的模型由嵌入层和SimpleRNN层组成。我已经用model.predict获得了所有步骤的隐藏状态,并将它们与这些步骤进行了对比。我发现隐藏的状态收敛到零,但我不确定我是否能从中推断出什么。因此,绘制它们相对于模型输入的梯度可能会为我提供一些进一步的见解。我需要一些帮助来获取这些渐变。 我的型号: batch_size = 9600 # batch size can take
..
维度为(3,50)的嵌入层如何接入LSTM? 数组(3,50)被馈送到输入 ,其中存储有三个长度为50的数组的时间步长 我尝试在重塑之前连接它,但它也不起作用。嵌入增加了维度,而LSTM不需要额外的维度。您必须将张量转换为Tf并手动处理张量,这很可怕。 layer_i_inp = Input(shape = (3,50), name = 'item') layer_i_emb
..
我正在关注这个https://medium.com/@zhanwenchen/speed-up-learning-by-building-tensorflow-gpu-from-source-on-ubuntu-d03bb4e06b23和这个https://alliseesolutions.wordpress.com/2016/07/05/how-to-install-gpu-tensorflow
..
我正在使用TensorFlow v2.7.0,并尝试使用粗糙张量创建一个ML模型。 问题是tf.linalg.diag、tf.matmul和tf.linalg.det不能使用粗糙张量。 我已经找到了一种变通方法,将参差不齐的张量转换为NumPy,并将其转换回参差不齐的张量,但在全局模型中应用该层时不起作用。 以下代码工作正常 数据-lang=“js”数据-隐藏=“假”数据-控制台=“
..
给定具有固定大小的Tensor数组和具有统一形状的条目,我想转到包含相同值的张量,只需将Tensor数组的索引维度作为正则轴。 TensorArray有一个名为&Gathere&的方法,据称应该这样做。事实上,下面的示例是可行的: array = tf.TensorArray(tf.int32, size=3) array.write(0, 10) array.write(1, 20)
..
我没有找到任何要使用的经过预先培训的LSTM模型。 TfLite是否提供了任何经过预先培训的LSTM模型? 我试图创建tflite模型,但在转换时遇到了问题?你能提供准确的脚本来创建tfLite模型吗? TfLite有没有用最新版本创建tfLite LSTM模型的脚本? 这是我创建tfLite模型的脚本。但它不起作用。 import numpy as np import tensorflow
..
我基于GRU训练以下模型,请注意,我将参数stateful=True传递给GRU构建器。 class LearningToSurpriseModel(tf.keras.Model): def __init__(self, vocab_size, embedding_dim, rnn_units): super().__init__(self) self.embedding
..
我试着关注 https://tensorflow-object-detection-api-tutorial.readthedocs.io/en/latest/training.html#training-the-model 在Google CoLab 一切顺利,构建了pycoTools,使用OBJECT_DETACTION/Packages/tf2/setup.py进行设置,使用objec
..
我有一个包含4个图像文件夹的压缩文件。我在Google Colab上遵循的教程使用了类似的Zip文件,但该文件是在线托管的,链接是作为origin参数的值给出的,这是必需的。我将我的Zip文件上传到Google Drive,并可以在Colab中访问它。是否可以使用GET_FILE()加载本地文件? 推荐答案 我最近也遇到了这个问题。在找不到答案后,我不得不戴上旧的思考帽子,解决了它。
..
我尝试在Google CoLab中安装TensorFlow_Federated。我使用了 pip install --quiet tensorflow-federated-nightly import tensorflow-federated as tff 而且奏效了。但现在,当我尝试导入它时,收到以下错误: AttributeError: module 'keras.api._v
..
我对TensorFlow,尤其是2.0非常陌生,因为关于该API的示例还不够多,但它似乎比1.x方便得多 到目前为止,我成功地使用tf.stistiator API训练了一个线性模型,然后使用tf.stistiator.exporter成功地保存了它。 之后,我想使用tf.saveModel API加载此模型,我认为我成功地完成了该操作,但我在过程中有一些疑问,因此下面快速查看一下我的代码:
..
我已经构建了一个模型来预测客户是企业客户还是私人客户。在对模型进行训练后,我预测了我没有用于训练的1000个数据集的类别。此预测将保存在CSV文件中。 现在我有两种不同的行为: 在程序中拆分样本数据 当我使用train, sample = train_test_split(train, test_size=1000, random_state=seed)创建样本时,预测在训练期间获得相
..
我的培训生成器和有效生成器工作正常,但当我尝试预测时,我得到了某种错误,我认为这是来自测试生成器。 train_datagen = ImageDataGenerator(rotation_range=15, rescale=1./255, shear_range=0
..
import tensorflow as tf from tensorflow import keras from keras.models import load_model from keras.preprocessing import image import numpy as np import cv2 import matplotlib.pyplot as plt model=tf.k
..
我可以列出使用以下TensorFlow代码的GPU设备: import tensorflow as tf from tensorflow.python.client import device_lib print(device_lib.list_local_devices()) 结果为: [name: "/device:CPU:0" device_type: "CPU" mem
..
您好,我是DL和TensorFlow的初学者 我创建了一个CNN(您可以看到下面的模型) model = tf.keras.Sequential() model.add(tf.keras.layers.Conv2D(filters=64, kernel_size=7, activation="relu", input_shape=[512, 640, 3])) model.add(t
..
我修改了先启V3网络(删除了一些层模块),创建了6个类训练数据,每个类1个图像。当我执行培训时,我收到错误 tensorflow.python.framework.errors_impl.FailedPreconditionError: 尝试使用未初始化值 InceptionV3/Mixed_6d/Branch_3/Conv2d_0b_1x1/weights[[节点: InceptionV3
..
我用TensorFlow(2.4版)+KERAS(3.8.3版)编写了一个简单的CNN。我正在努力优化网络,我想要更多关于它无法预测的信息。我正在尝试添加混淆矩阵,并且我需要为tensorflow.math.conflomination_Matrix()提供测试标签。 我的问题是,我不知道如何从tf.keras.preprocessing.image_dataset_from_directory
..