tensorflow相关内容
系统信息 操作系统平台和发行版(如Linux Ubuntu 18.04) Ubuntu 20.04 Python版本：3.6 使用Virtualenv安装 CUDA/cuDNN版本：11.5/8.1.0.77 图形处理器型号和内存：RTX 3090 24 GB nVidia驱动程序460.39 TensorFlow版本：2.4.0 pip安装TensorFlow-GPU==2.4
..
是否可以查看模型摘要或绘制TensorFlow对象检测Git存储库中提供的TensorFlow对象检测模型。例如，查看更快的R-CNN模型的模型摘要？ 推荐答案 可以使用模型摘要()Form TensorFlow查看模型摘要。 请参阅示例代码。 # Create the base model from the pre-trained model MobileNet V2 IMG_
..
在TensorFlow对象检测API中获取类和检测到对象的概率时遇到问题。我想将这两个值与每个图像一起打印。 代码如下： for image_path in TEST_IMAGE_PATHS: image = Image.open(image_path) # the array based representation of the image will be used lat
..
我使用更快的RCNN训练了一个模型，此模型用于跟踪条带。 here is the output of my model 我用来获得此输出的python代码如下： import cv2 import numpy as np import tensorflow as tf from object_detection.utils import label_map_util from o
..
我定义了一个具有824个类的pascal_label_map.pbtext，用create_pascal_tf_record.py从我的JPEG数据集创建TFRecord文件，使用Pascal VOC样式的批注。 脚本似乎正确地生成了这些TFRecords(例如，我检查了pascal_label_map.pbtext中的所有类都出现在批注中，并且每个JPEG都带有正确的批注)。但当我开始objec
..
我正在尝试从Person类获取边界框的像素坐标(标记为： Mcoco_Label_map.pbtxt item { name: "/m/01g317" id: 1 display_name: "person" } 目前我正在通过 将边界框和标签放到图像上 input_tensor = tf.convert_to_tensor(np.expand_dims(image_np
..
在Noise2Noise、StyleGAN等NVLabs著名的项目中有一个特殊的统一库dnnlib，看起来这个库是为解析和简单配置而生的，但它也参与了TensorFlow会话的创建和管理。提到的项目得到了很好的评论，但从这一点来看，很难在单边或宠物项目中使用一些部件，比如这个库。除Github上的代码外，是否有其他特殊文档？ 推荐答案 我也找了一会儿。除了代码/注释/文档字符串本身之外
..
我想要可视化我的神经网络。因此，我使用from tensorflow.keras.utils import plot_model并按如下方式使用： model = Sequential() model.add(Dense(8, activation="relu")) model.add(Dense(1)) plot_model(model, to_file="
..
TensorFlow.conv2d()对于卷积大图像和大核(滤镜)来说，速度非常慢。将1024x1024图像与相同大小的内核进行卷积需要几分钟时间。为了进行比较，cv2.filter2D()立即返回结果。 我找到tf.fft2()和tf.rfft()。 但是，我不清楚如何使用这些函数执行简单的图像过滤。 如何使用FFT使用TensorFlow实现快速2D图像过滤？ 推荐答案
..
我尝试使用FIT_GENERATOR和TALOS(用于超参数调优)。早些时候，当我使用FIT方法时，我得到了内存错误，所以当我在这里搜索时，人们说我应该尝试使用FIT_GENERATOR。前面我给了太多的参数，所以即使使用FIT_GENERATOR，我也得到了内存错误，现在我减少了参数的数量，现在我得到了不同的错误。请查找下面的代码和错误。 代码： def yield_arrays_t
..
我希望在训练迭代中访问训练点，并通过使用训练集中未包括的数据点将软约束合并到我的损失函数中。我将使用this post作为参考。 import numpy as np import keras.backend as K from keras.layers import Dense, Input from keras.models import Model # Some random tra
..
我遇到错误IndexError：列表索引超出范围。 它在另一台计算机上工作正常，但在我将其转移到另一台计算机后，它不再工作。 Python：3.8.5 TensorFlow：2.3.1 回溯显示： tensorflow.python.autograph.impl.api.StagingError: in user code: Load_Model.py:40
..
让我们假设我们正在构建一个基本的CNN，它可以识别猫和狗的图片(二进制分类器)。 这类CNN的例子如下： model = Sequential([ Conv2D(32, (3,3), input_shape=...), Activation('relu'), MaxPooling2D(pool_size=(2,2), Conv2D(32, (3,3), input_s
..
我不确定我是否理解了TensorFlow Kerasmixed precision的概念。我的目标是运行浮点16精度的tf.keras模型，以提高推理速度。这能以混合精度完成吗？ 我正在培训我的模型之前设置此策略： from tensorflow.keras.mixed_precision import experimental as mixed_precision policy =
..
我希望运行以下几行代码，这些代码是基于TensorFlow 1.0语法编写的： import tensorflow as tf a = tf.constant(5) b = tf.constant(2) c = tf.constant(3) d = tf.multiply(a,b) e = tf.add(b,c) f = tf.subtract(d,e) with tf.Session()
..
我已经从TensorFlow_addons训练了一个带有Keras层和Weight_Normalization层的模型。这是我训练并保存为TensorFlow文件格式的模型： import tensorflow as tf import tensorflow.keras as tk import tensorflow_addons as tfa model = tf.keras.Seque
..
我有一个索引列表，表示我要访问的行和列。 r= np.array([0, 1, 0, 1, 0, 1, 2, 3, 2, 3, 2, 3]) c = np.array([0, 0, 1, 1, 4, 4, 1, 1, 3, 3, 5, 5]) 当我将它们用作[r,c]时，我能够获取numpy数组中的相应元素。 arr = np.array([[517.0, 1876.0, 4716
..
我想得到梯度估计的符号表达式。当我看到输出时，很难理解发生了什么。 import tensorflow as tf @tf.function def f_k(input_dat): y = tf.matmul(tf.sin(input_dat[0]), input_dat[1]) grads = tf.gradients([y], input_dat) # grads
..
我的问题是：在预处理过程中，我希望使用tf.data.Dataset和tf.functionAPI将从一组函数中随机选择的函数应用于数据集示例。 具体地说，我的数据是3D体积，我希望从一组24个预定义的旋转函数中应用旋转。我想在tf.function中编写这段代码，这样就限制了numpy和列表索引之类的包的使用。 例如，我想做这样的事情： import tensorflow as t
..
我有一个关于TensorFlow的问题。 我有CSV数据，如附加的图像，我想要映射它： 绿色行-是前5行的标签。 是否可以在map函数(Dataet.map())中执行此操作？ 如何做到这一点？ 推荐答案 尝试tf.data.Dataset.window： import tensorflow as tf import pandas as pd d = {'A': [1, 2,
..
