tensorflow

    0热度

    1回答

    我对TensorFlow和Keras仍然很陌​​生,所以虽然它可能对某些人来说似乎很简单,但它不适合我 - 假设我的所有模型都是使用Keras API而不是TensorFlow设计的,喜欢为TensorFlow添加外部库到我的模型 - 例如,优步的Horovod。我该怎么做呢?

    0热度

    1回答

    我有一个使用python和tensorflow构建的模型。 该模型训练有素,效果良好。我不明白我该如何部署它?我的意思是我怎么称呼这个模型来获得实际数据的分数? 由于TensorFlow的原因,我无法使用Watson ML部署。

    1热度

    2回答

    我是新来的机器学习和尝试TFlearn,因为它很简单。 我想做一个基本的分类器,我觉得很有趣。 我的目标是训练系统来预测一个点在哪个方向。 例如,如果我输入两个2D坐标(50,50)和(51,51),系统必须预测方向是NE(东北)。 如果我喂(50,50)和(49,49)系统必须预测方向是SW(西南方) 输入: X1,Y1,X2,Y2,标签 输出: 0〜8对于8方向。 因此,这里是小的代码我写的,

    0热度

    1回答

    我有以下代码: data = np.load("data.npy") print(data) # Makes sure the array gets loaded in memory dataset = tf.contrib.data.Dataset.from_tensor_slices((data)) 文件"data.npy"为3.3 GB。用numpy读取文件需要几秒钟,但是接下来创建

    1热度

    1回答

    我正在学习使用TensorFlow教程的Word2Vec。我为Word2Vec运行的代码也来自TensorFlow教程:https://github.com/tensorflow/models/blob/master/tutorials/embedding/word2vec_optimized.py。当我运行15个纪元的代码时,测试精度为30%左右。当我跑100个纪元时,测试精度达到了39%左右。

    1热度

    1回答

    我今天正在尝试转移学习,并不理解我得到的一些结果。我在大约100,000行Word2Vec嵌入上训练了一个卷积神经网络,并且在我的结果中看到了很大的差异。 这里该图的焦点是在底部的线。前15个时代从图表中删除,但趋势仍然可见。训练损失在多个时期下降,验证损失很容易收敛。 显然,这是列车的/ dev误差之间的方差的问题。为了解决这个问题,我知道添加更多数据是最简单的解决方案。但是由于我的笔记本电脑没

    6热度

    2回答

    我试图获得有关estimator.predict自定义输入功能的预测,但它给了我这样的: WARNING:tensorflow:Input graph does not contain a QueueRunner. That means predict yields forever. This is probably a mistake. 它不会给我一个错误,但predict只是说它的恢复参数,并

    1热度

    1回答

    执行tf.extract_image_patches在哪里?我检查了我找不到的tensorflow库。 文件tensorflow/core/kernels/extract_image_patches_op.cc不包含实现。

    2热度

    2回答

    我想要计算张量流中的归一化Gini Coefficient,但无法这样做。我有下面的Python代码在numpy中执行相同,但我想要使用tensorflow来实现它。如果有任何想法,请帮助。 我将其与张力的形状(1 ,?)实际与张量形状(1 ,?) Python代码预解码: def gini(actual, pred, cmpcol = 0, sortcol = 1): assert(l

    3热度

    1回答

    我在跟随此tensorflow tutorial进行梯度裁剪,同时使用多层感知器。 grads_and_vars = optimizer.compute_gradients(cross_entropy_loss, trainable_variable) capped_grads_and_vars = [(tf.clip_by_global_norm(gv[0],5), gv[1]) for gv