tensorflow相关内容
我正在重新实施一个 text2speech 项目.我在解码器部分面临函数调用堆栈:keras_scratch_graph 错误.网络架构来自 Deep Voice 3 论文. 我在 Google Colab 上使用来自 TF 2.0 的 keras.下面是解码器 Keras 模型的代码. y1 = tf.ones(shape = (16, 203, 320))def解码器(名称=“解码器"
..
我在 Tensorflow 模型中使用存储桶时遇到问题.当我使用 buckets = [(100, 100)] 运行它时,它工作正常.当我使用 buckets = [(100, 100), (200, 200)] 运行它时,它根本不起作用(底部的堆栈跟踪). 有趣的是,运行 Tensorflow 的 Seq2Seq 教程会出现类似的问题,但堆栈跟踪几乎相同.出于测试目的,存储库的链接位于此处
..
我正在使用带有 TensorFlow 后端的 Keras 来训练 CNN 模型. model.fit() 和 model.evaluate() 之间有什么区别?理想情况下我应该使用哪一种?(我现在使用 model.fit() ). 我知道 model.fit() 和 model.predict() 的效用.但我无法理解 model.evaluate() 的效用.Keras 文档只是说:
..
我目前正在尝试学习如何使用 TF-Slim,我正在学习本教程:https://github.com/mnuke/tf-slim-mnist. 假设我已经在检查点中保存了一个经过训练的模型,我现在如何使用该模型并应用它?比如,在教程中,我如何使用我训练的 MNIST 模型并输入一组新的 MNIST 图像,并打印预测? 解决方案 您可以尝试以下工作流程: #获取检查点文件checkpo
..
Tensorflow API 提供了很少的预训练模型并允许我们用任何数据集训练它们. 我想知道如何在一个 tensorflow 会话中初始化和使用多个图形.我想在两个图中导入两个经过训练的模型并将它们用于对象检测,但我在尝试在一个会话中运行多个图时迷失了方向. 是否有任何特定方法可以在一个会话中处理多个图形?. 另一个问题是,即使我为 2 个不同的图形创建两个不同的会话并尝试使用
..
我的线性模型中不断出现此错误: 不支持将字符串转换为浮点 具体来说,错误在这一行: results = m.evaluate(input_fn=lambda: input_fn(df_test), steps=1) 如果有帮助,这里是堆栈跟踪: 文件“tensorflowtest.py",第 164 行,在 中m.fit(input_fn=lambda: input_fn(d
..
在 Jupyter Notebook 中使用 Keras 训练神经网络时遇到问题.我创建了一个带有多个隐藏层的序列模型.在训练模型并保存结果后,我想删除这个模型并在同一个会话中创建一个新模型,因为我有一个 for 循环来检查不同参数的结果.但据我所知,当我改变参数时,当我循环时,我只是向模型添加层(即使我在循环内使用 network = Sequential() 再次初始化它)).所以我的问题是,
..
我正在尝试进入深度学习.我安装了 Anaconda 以使用 jupyter,并且通常不关心自己安装所有这些软件包,例如 matplotlib 等.但我无法安装 tensorflow,因为它仅适用于 Python 3.4、3.5 或 3.6,但我有 3.7.在我阅读之后,我安装了 python 3.6.8.我卸载了 Anaconda 并重新安装了它,没有任何改变.之后,我使用了这个命令 con
..
我在 Jupyter 笔记本中运行以下代码: # 可视化训练历史从 keras.models 导入顺序从 keras.layers 导入密集导入 matplotlib.pyplot 作为 plt导入 numpy# 修复随机种子以提高可重复性种子 = 7numpy.random.seed(种子)# 加载皮马印第安人数据集数据集 = numpy.loadtxt("pima-indians-diabe
..
我正在尝试做一些深度学习工作.为此,我首先在我的 Python 环境中安装了所有用于深度学习的包. 这就是我所做的. 在Anaconda中,我创建了一个名为tensorflow的环境,如下 conda create -n tensorflow 然后在其中安装数据科学 Python 包,如 Pandas、NumPy 等.我还在那里安装了 TensorFlow 和 Keras.这是该环
..
这是错误: 解决环境:失败 UnsatisfiableError:发现以下规范存在冲突:- numba -> numpy[version='>=1.14,
..
我正在加载 cifar-10 数据集,这些方法将数据添加到张量数组,因此要访问我使用 .eval() 和 session 使用的数据,在正常的 tf 常量上它返回值,但在标签上而训练集是 tf 数组,它不会 1- 我正在使用 docker tensorflow-jupyter 2- 它使用 python 3 3- 批处理文件必须添加到数据文件夹 我正在使用此文件中的第一批
..
尝试建立单输出回归模型,但最后一层似乎有问题 inputs = Input(shape=(48, 1))lstm = CuDNNLSTM(256,return_sequences=True)(输入)lstm = Dropout(dropouts[0])(lstm)#aux_input辅助输入=输入(形状=(48, 7))辅助输出 = 时间分布(密集(4))(辅助输入)辅助输出 = 时间分布(密集
..
我目前正在编写一个 tensorflow 程序,该程序需要将一批二维张量(形状为 [None,...] 的 3-D 张量)与一个二维矩阵相乘W.这需要将 W 转换为 3-D 矩阵,这需要知道批量大小. 我无法做到这一点;tf.batch_matmul 不再可用,x.get_shape().as_list()[0] 返回 None,对于整形无效/平铺操作.有什么建议?我看到有些人使用 conf
..
我在 Windows 7 操作系统的 anaconda 4.3.1(64 位)中的 python 3.5.2 下使用 tensorflow(仅限 CPU 版本).当我运行以下代码时,python内核死了,无法重启,出现一些错误但没有错误信息提示. print ("测试准确率 %.3f" %accuracy.eval(feed_dict={x: mnist.test.images, y_: mni
..
TF 文档在 tf.conv2d_transpose 中有一个 output_shape 参数.为什么需要这个?层的步幅、过滤器大小和填充参数不是决定了该层的输出形状,类似于卷积过程中的决定方式吗? 解决方案 这个问题已经在 TF github 并收到答复: output_shape 是需要的,因为输出的形状不能必须根据输入的形状计算,特别是如果输出小于过滤器,我们使用有效填充所以输
..
我在 tensorflow 中编写了以下二进制分类程序,但有问题.无论输入是什么,成本始终归零.我正在尝试调试一个更大的程序,它没有从数据中学习任何东西.我已经将至少一个错误缩小到成本函数总是返回零.给定的程序正在使用一些随机输入并且有同样的问题.self.X_train 和 self.y_train 原本应该从文件中读取,函数 self.predict() 有更多层形成前馈神经网络. 将 nu
..
我想更新值为 0 的二维张量中的索引.所以数据是一个二维张量,其第 2 行第 2 列索引值将被 0 替换.但是,我收到了类型错误.有人可以帮我吗? TypeError: Input 'ref' of 'ScatterUpdate' Op 需要左值输入 data = tf.Variable([[1,2,3,4,5], [6,7,8,9,0], [1,2,3,4,5]])data2 = tf.
..
我正在研究使用 tensorflow 训练深度神经网络.我知道如何训练模型.我的问题是我必须在具有不同数据集的 2 台不同计算机上训练相同的模型.然后保存模型权重.后来我必须以某种方式合并 2 个模型权重文件.我不知道如何合并它们.是否有执行此操作的函数,或者是否应该对权重进行平均? 对这个问题的任何帮助都是有用的 提前致谢 解决方案 最好在训练期间合并权重更新(梯度)并保留一
..
我正在使用以下代码行使用张量板可视化 ANN 模型的梯度 tensorboard_callback = tf.compat.v1.keras.callbacks.TensorBoard(log_dir='./Graph', histogram_freq=1, write_graph = True, write_grads = True, write_images = False)tensorb
..