tensorflow2.0相关内容
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
..
我正在尝试使用tfds.Feature.Video对TensorFlow 2中的视频进行解码,以便使用以下代码输出“tf.uint8类型的tf.张量器和形状[Num_Frames,Height,Width,Channels]”: import numpy as np import pandas as pd import tensorflow as tf import tensorflow_d
..
我正在遵循《变形金刚》和CoLab项目指南https://colab.research.google.com/drive/1XBP0Zh8K4g_n0A2p1UlGFf3dij0EX_Kt 但是,当我运行行multi_head = build_model()的单元格时,我收到错误。 这是控制台的输出: 名称错误回溯(最近的呼叫 最后)在()中 ->1 MULTI_HEAD=BUI
..
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,
..
我想打印LSTM层的状态值。 class CustomCallback(keras.callbacks.Callback): def on_epoch_end(self, epoch, logs=None): encoder_outputs, state_h, state_c = self.model.layers[1].output print(sta
..
我正在努力按照Better performance with the tf.data API指导方针提高我的模型培训成绩。然而,我观察到,使用.cache()的性能与不使用.cache()的相同设置几乎相同,甚至更差。 datafile_list = load_my_files() RAW_BYTES = 403*4 BATCH_SIZE = 32 raw_dataset = tf.dat
..
我正在尝试使用本地二进制数据训练网络以执行regression inference。 每个本地二进制数据的布局如下: 并且整个数据由几个具有上述布局的*.bin文件组成。每个文件具有数量可变的403*4字节的序列。我能够使用以下代码读取其中一个文件: import tensorflow as tf RAW_N = 2 + 20*20 + 1 def convert_binar
..
我正在尝试使用AWS EC2实例来测试我的ML项目。在包安装过程中,TensorFlow每次都会被终止。 我使用AWS Trial EC2t2.micro类型实例进行测试。 类型:t2.micro vCPU:1 内存:1GB 操作系统:Ubuntu Server 20.04 LTS (HVM), SSD Volume Type 有什么解决办法吗? 推荐答案 我遇
..
给每一个偶然发现这一点的人: 我最近在做图像分类(将CNN添加到一些已标记的数据上),我想使用KERAS的模块进行数据增强。但是,我抛出了一个NotImplementedError。更具体地说,它逐字如下: NotImplementedError:无法将符号张量(sequential_3/sequential/random_rotation/rotation_matrix/stride
..
我是TensorFlow的新手,我在数据集方面遇到了问题。我在Windows 10上工作,TensorFlow版本是2.6.0,与CUDA一起使用。 我有两个NumPy数组,分别是X_TRAIN和X_TEST(已经拆分)。列车为5 GB,测试为1.5 GB。 这些形状是: X_TRAIN:(259018,30,30,3),<;类‘numpy.ndarray’>; Y_TRAIN
..
以下是重现该错误的简单代码: import os os.environ["CUDA_VISIBLE_DEVICES"]="-1" import numpy as np from keras.models import Sequential from keras.layers import Conv1D, Flatten, Dense import tensorflow as tf mod
..
我有一个Tensor形状(60, 128, 30000)。我想获取30000维度(axis=2)的argmax的值。 以下代码是一个示例: tensor = tf.random.uniform((60, 128, 30000)) # shape (60, 128, 30000) argmax = tf.argmax(tensor, axis=2) # shape (60, 128) -->
..
我以前有一个导出的RetinanNet模型(最初来自对象检测动物园),它已经使用TensorFlow对象检测API(TensorFlow 2.4.1版)在自定义数据集上进行了微调。下面是导出模型的文件夹的外观。 对模型运行评估时(如下所示),MAP@0.5IOU为0.5。 python model_main_tf2.py --model_dir=exported-models/reti
..
from random import sample index=sample(range(0, len(result)), len(result)//5*4) description_train=[child[0] for i, child in enumerate(result) if i in index] ipc_train=[child[1] for i,
..
我正尝试在一个深度学习项目中使用CelebA数据集。我拿到了卡格尔的拉链文件夹。 我想解压图像,然后将其拆分为训练、测试和验证,但后来发现在我的功能不是很强大的系统上不可能做到这一点。 因此,为了避免浪费时间,我希望使用TensorFlow-DataSets方法加载CelebA数据集。但遗憾的是,数据集无法访问,出现以下错误: (代码优先) ds = tfds.load('cel
..