不允许迭代`tf.Tensor`：AutoGraph确实转换了此函数
不允许迭代tf.Tensor是指在TensorFlow中使用AutoGraph进行函数转换时，不允许直接对tf.Tensor对象进行迭代操作。
AutoGraph是TensorFlow的一个功能，用于将Python函数转换为可以在TensorFlow图中运行的计算图。它可以自动将一些Python控制流语句转换为TensorFlow图中的相应操作，以实现更高效的计算。
在AutoGraph中，对于tf.Tensor对象的迭代操作是不允许的。这是因为tf.Tensor是TensorFlow中的张量对象，代表了计算图中的一个节点，它并不具有迭代的能力。如果尝试对tf.Tensor对象进行迭代操作，会导致错误或不符合预期的结果。
为了解决这个问题，可以使用TensorFlow提供的一些函数或方法来处理tf.Tensor对象，而不是直接进行迭代。例如，可以使用tf.map_fn函数对tf.Tensor对象进行映射操作，或者使用tf.data.Dataset来处理数据集。
对于AutoGraph的转换过程，可以通过在函数上添加@tf.function装饰器来启用。这样，当调用被装饰的函数时，AutoGraph会自动将其转换为计算图，并进行优化和加速。
总结起来，不允许迭代tf.Tensor是因为在AutoGraph中，tf.Tensor对象不具有迭代的能力。为了处理tf.Tensor对象，可以使用TensorFlow提供的函数或方法进行操作，而不是直接进行迭代。
相关·内容
1回答
我需要训练一个具有自定义损失函数的模型，它还将在预测之后更新一些外部函数，如下所示：
def loss_fct(y_true, y_pred):
global feeder
# Change values of feeder given y_pred
for value in y_pred:
feeder.do_something(value)
return K.mean(y_true - y_pred, axis=-1)
但是，这不起作用，因为TF不能在AutoGraph中遍历张量：
OperatorNotAllowedInGra
浏览 4提问于2020-10-25得票数 2
回答已采纳
我有一个特性，它是字节串的列表，例如 data = [b"lksjdflksdjfdlk", b"owiueroiewuroi.skjdf", b"oweiureoiwlkapq"] 下面是创建、写出和读回+解析tfrecord的示例代码。 >>> data = [b"lksjdflksdjfdlk", b"owiueroiewuroi.skjdf", b"oweiureoiwlkapq"]
>>> feature = tf.train.Feature(byte
浏览 26提问于2020-12-01得票数 2
我正在用TensorFlow数据集开发一个输入管道，dataset只有两列，我想根据一个值列表进行筛选，但是当我试图在“我收到以下错误”中使用成员资格运算符时，我只能使用相等于"==“的运算符来过滤数据集。
OperatorNotAllowedInGraphError: using a `tf.Tensor` as a Python `bool` is not allowed: AutoGraph did not convert this function. Try decorating it directly with @tf.function.
下面是我的代码：
impor
浏览 0提问于2020-06-03得票数 3
回答已采纳
我想在我的tensorflow图形执行模型中使用预先训练过的语句嵌入。嵌入是从函数调用中动态获得的，函数调用接受一个句子数组并输出一个语句嵌入数组。这个函数使用的是一个预先训练过的pytorch模型，因此必须与我正在培训的tensorflow模型保持独立：
def get_pretrained_embeddings(sentences):
return pretrained_pytorch_model.encode(sentences)
我的tensorflow模型如下：
class SentenceModel(tf.keras.Model):
def __init__(self):
浏览 0提问于2021-03-17得票数 0
我在tensorflow的tf.function上有问题。它似乎无法转换包含指令tf.stack()的函数。
在这里，我编写了一个简单的代码来突出这个问题：
import tensorflow as tf
c = tf.Variable([[1., 5.], [2., 4.]])
@tf.function
def toy_fct(x):
y = tf.stack([x[0,:], x[1,:]], axis=0)
return y
toy_fct(c)
我收到的信息如下：
WARNING:tensorflow:AutoGraph could not transform <
浏览 9提问于2021-04-02得票数 1
回答已采纳
我试图通过一些调整来实现“注意就是你所需要的一切”的时间序列，但是我得到了这个错误：
OperatorNotAllowedInGraphError:不允许在tf.Tensor上迭代: AutoGraph确实转换了这个函数。
代码：
import tensorflow as tf
from tensorflow import keras
class Attention(tf.keras.layers.Layer):
def __init__(self, dk, dv, num_heads, filter_size):
super().__init__()
浏览 5提问于2021-08-03得票数 2
回答已采纳
我的tensorflow版本是2.4.0-rc0。 在我调试代码后，我的代码似乎有一个问题，如下所示： @tf.function
def keypoint_distance(self, kpt):
if kpt[2] == tf.constant(0.0):
return tf.ones((self.LABEL_HEIGHT, self.LABEL_WIDTH), dtype=tf.float32)
else:
ortho_dist = self.grid - kpt[0:2]
r
浏览 725提问于2021-10-08得票数 0
回答已采纳
在autograph部分的tensorflow文档中，我们有以下代码片段 @tf.function
def train(model, optimizer):
train_ds = mnist_dataset()
step = 0
loss = 0.0
accuracy = 0.0
for x, y in train_ds:
step += 1
loss = train_one_step(model, optimizer, x, y)
if tf.equal(step % 10, 0):
tf.print('Step',
浏览 35提问于2019-03-22得票数 0
回答已采纳
1回答
我正在尝试将此函数用于@tf.function装饰器： H和h2是形状为3,3的张量 def fn(h,i):
print(h[i])
return h[i]
tensor = [fn(h,i) for i in tf.range(tf.cast(tf.shape(h)[0],tf.int32)) if tf.reduce_all(tf.equal(h[i],h2[i])) ]
tf.print(tensor) 但是我得到了这个错误： main_coat_rds.py:139 train_step *
pseudo_label_1,images_disc
浏览 72提问于2021-07-23得票数 0
1回答
在笔记本FuncDef.ipynb中，我有以下代码：
import tensorflow as tf
@tf.function
def myfunc(x):
if x < 0:
x = -x
return x
x = tf.constant(-1)
print(myfunc(x))
如果我执行它，它将按预期运行并打印tf.Tensor(1, shape=(), dtype=int32)。
现在，我试图通过在另一个笔记本中导入代码来执行相同的代码：
from google.colab import drive
drive.mount('
浏览 2提问于2021-06-19得票数 0
回答已采纳
我不知道如何在TensorFlow2中的AutoGraph上运行GradientTape代码。 我想在TPU上运行GradientTape代码。我想从在CPU上测试它开始。使用AutoGraph，TPU代码的运行速度会快得多。我尝试观察输入变量，并尝试将参数传递给包含GradientTape的函数，但都失败了。 我在这里做了一个可重现的例子：https://colab.research.google.com/drive/1luCk7t5SOcDHQC6YTzJzpSixIqHy_76b#scrollTo=9OQUYQtTTYIt 代码和相应的输出如下所示:它们都以import tensorf
浏览 13提问于2019-09-07得票数 2
回答已采纳
1回答
我正在尝试编写一个自定义train_step，以便在tf.keras.Model.fit()函数中使用。我在跟踪。在这里，在train_step函数中，据我所理解，输入参数数据应该是我将要在Model.fit()函数中传递的训练数据集。我的数据集是TFRecordDataset。我的数据集提供了三个特殊的特征，即图像、标签和框。因此，在train_step函数中，我首先尝试从传递的数据参数中获取img、标签和box参数。
def train_step(self, data):
print("printing data fed to train_step")
浏览 3提问于2021-02-24得票数 0
我从.I学习了tensorflow2.0 2.0，可以从下面的代码中了解结果。
def square_if_positive(x):
return [i ** 2 if i > 0 else i for i in x]
square_if_positive(range(-5, 5))
# result
[-5, -4, -3, -2, -1, 0, 1, 4, 9, 16]
但是如果我用张量而不是python代码来改变输入，就像这样
def square_if_positive(x):
return [i ** 2 if i > 0 else i for i in x]
浏览 1提问于2019-09-11得票数 14
我正在加载一个TextLineDataset，我想应用一个经过训练的文件标记器：
import tensorflow as tf
data = tf.data.TextLineDataset(filename)
MAX_WORDS = 20000
tokenizer = Tokenizer(num_words=MAX_WORDS)
tokenizer.fit_on_texts([x.numpy().decode('utf-8') for x in train_data])
现在，我想在data上应用这个令牌程序，以便用其编码的值替换每个单词。我试过data.map(lamb
浏览 5提问于2022-03-30得票数 1
回答已采纳
我正在尝试在我的模型中使用带有hub.KerasLayer的nnlm-en-dim50预训练模块来进行文本分类和序列标记。该模型在普通tf.keras.layers.Embedding下运行良好，但当切换到KerasLayers时：
text_input_layer = tf.keras.Input(shape=(None, ), dtype=tf.string, name='Input_1')
hub_layer = hub.KerasLayer("https://tfhub.dev/google/tf2-preview/nnlm-en-dim50-with-norm
浏览 24提问于2020-03-11得票数 2
这就是我得到的问题，但我不会在任何地方使用它作为bool。至少在我能找到的地方找不到。我读过类似的问题，它们之所以得到解决，是因为实际上有一个实例将其视为布尔值。但是，我没有用过它是一个bool。 功能： def compile_cnn(model, loss = None, optimizer = None):
# Compile the CNN using the specified loss function
model.compile(loss=loss, optimizer=optimizer)
# return the compiled model
浏览 32提问于2020-10-18得票数 0
回答已采纳
我有两个张量A和B of shape (batch_size, height, width, 1)，它们是沿width轴旋转的，它们分别是：B[0, 0]和A[0, 1]，B[0, 1]和A[3, 6]，B[3, 6]等等。我试图通过和<code>C11<//代码的组合来实现这一点，但是我不断地收到与输入形状、AutoGraph等有关的错误。
我如何有效地将这两个张量沿着一个特定的轴旋转？
编辑:添加了非功能代码来说明这一想法。
# Create tensors
A, B = tf.random.normal(shape=(2, 1, 8, 512, 1))
# Resha
浏览 9提问于2022-07-28得票数 1
回答已采纳
1回答
里面和外面的指纹有什么区别
、、、、
我正在学习tensorflow，它的版本在我的MacBook M1上是2.8.0。为了调试dataset映射函数中的代码，我希望在函数中打印张量值。
def function(i):
print("in: ", i)
if i < 2:
i = i - 1
return i
dataset = tf.data.Dataset.range(1, 6)
dataset = dataset.map(lambda x: tf.py_function(function, inp=[x], Tout=tf.int64))
for x in
浏览 5提问于2022-05-24得票数 0
回答已采纳
1回答
我有这个numpy函数，我把它简化成这样： def _func(new_inputs, X):
""" Basically any operation. Below is just an example """
outputs = new_inputs + X
new_inputs.pop(0)
return outputs, new_inputs
new_inputs = []
flag = True
while flag:
outputs, new_inputs = _func(new_inputs
浏览 19提问于2021-05-11得票数 1
1回答
我已经创建了一个包含5个特性的数据集的自动编码器模型。
从这些特征来看，前3种是数值的，最后2种是二进制范畴。我想做的是创建一个考虑到这两种数据类型的自定义丢失函数。我试过的是：
def custom_loss(y_true, y_pred):
return tf.math.add(
tf.keras.metrics.mean_squared_error(y_true[:,0:3], y_pred[:,0:3]) +
tf.keras.metrics.BinaryCrossentropy(y_true[:,3:5], y_pred[:,3:5])
)
浏览 1提问于2022-05-26得票数 1
1回答
我想循环Tensorflow张量，我的代码是这样的： elements = tf.constant([1,2,3])
x = tf.constant([1.000001, 1.1, 2.1, 2.00004, 3.001])
EPSILON = 0.0001
for elem in elements:
mask = tf.experimental.numpy.isclose(x, elem, atol=EPSILON, rtol=0)
x = tf.boolean_mask(x, ~mask) 在图形模式下，如何在Tensorflow中完成此操作？我得到了以下错误：
浏览 41提问于2021-05-11得票数 2
内置的LSTM单元为您提供了一个可调用的。但是，我想在LSTM层之前和之后添加静态层，并通过backprop训练所有内容。这有可能吗？
浏览 0提问于2016-03-26得票数 1
我试着在机器学习速成班( )上做下面的练习，对坦索福图书馆有一个疑问。
打开colab源代码，就会看到折页代码：
def my_input_fn(features, targets, batch_size=1, shuffle=True, num_epochs=None):
"""Trains a neural net regression model.
Args:
features: pandas DataFrame of features
targets: pandas DataFrame of targets
浏览 0提问于2018-08-07得票数 0
回答已采纳
我做了个角脸模型。它运转良好，训练也很好。但是当我试图保存那个模型时，我会得到一个错误。由于某些原因，它在训练前成功地保存，但是当我尝试在训练后保存它时，它不起作用。
平台: Arch Linux。Tensorflow是从官方的arch repos安装的，软件包“”，版本2.9.1-1。与cuda 11.7.0-2一起工作。Python 3.10.5-1
我的一段代码：
model = keras.Sequential([
keras.Input((None, None, 1),),
keras.layers.Conv2D(32, (8, 8), padding='sa
浏览 4提问于2022-06-12得票数 0
1回答
上下文:我试图让一个GAN从一个大的数据集生成图像，并且在加载训练数据时遇到了OOM问题。为了解决这个问题，我试图传递一个文件目录的列表，并且只在需要的时候将它们作为图像读取。
问题:我不知道如何从张量本身解析文件名。如果有人对如何将张量转换回列表或以某种方式迭代张量有任何见解。或者，如果这是解决这个问题的坏方法，请告诉我。
相关代码片段：
生成数据:注意：make_file_list()返回我想要读取的所有图像的文件名列表
data = make_file_list(base_dir)
train_dataset = tf.data.Dataset.from_tensor_slices(da
浏览 10提问于2022-04-24得票数 0
回答已采纳
2回答
所以我想在tensorflow中返回一个对象列表，当我尝试时，该列表对象是使用大小为n，k，d的张量X构造的： listofobject = [Myobject(x) for x in X] 它返回： OperatorNotAllowedInGraphError: iterating over `tf.Tensor` is not allowed: AutoGraph did convert this function. This might indicate you are trying to use an unsupported feature. 我也试过了： listofobject
浏览 89提问于2021-10-06得票数 0
在函数seed=something中有一个参数。即使我设置了它的值，随机产生的结果也是随机的。我想要同样的结果。 tf.random.suffle(tf.range(5), seed=5)
浏览 21提问于2019-06-13得票数 1
回答已采纳
1回答
我想在角化层中实现自然梯度。这必须发生在已经到位的定制梯度中。当我调用优化器时，我希望能够选择应该计算哪个实现(常规的还是自然的梯度)。
我面临的问题是，当我在训练时(而不是在图形构建时)将bool nat_grad=True传递给操作时，AutoGraph并不高兴。
目前，正在发生的事情的伪代码如下：
@tf.custom_gradient
def MyOp(inputs, w, nat_grad=False):
output = w*inputs
def grad(dy):
if nat_grad:
return dy, 1.0
浏览 1提问于2020-11-28得票数 0
回答已采纳
我试图使用示例代码从Tensorflowhub加载一个模型。它与FP32完美地工作在一起。一旦我添加tf.keras.mixed_precision.set_global_policy('mixed_float16')以启用混合浮点数，它就会引发一个错误。看上去像维度问题，但是它与FP32完美地工作在一起。以下是可复制的代码：
import tensorflow as tf
import tensorflow_hub as hub
IMAGE_SIZE = (224,224)
class_names = ['cat','dog']
#If y
浏览 31提问于2022-06-17得票数 0
回答已采纳
我要检查一个元素是否包含在张量中，我会遇到问题。
例如1
def foo(a):
if 5 in tf.constant([5, 7, 9]):
tf.print(a)
foo(2)
# you'll get '2', and no erros
例如2
@tf.function
def foo(a):
if 5 in tf.constant([5, 7, 9]):
tf.print(a)
foo(2)
# you'll get erros like "TypeError: argument of t
浏览 3提问于2021-05-11得票数 0
回答已采纳
我是一个完全初学者的人工智能以及tensorflow.js。目前正在学习Stephen的机器学习课程。我应该在下面的代码之后得到一个输出，但是却得到了错误。请帮助：
代码:line-regression.js：
const tf = require('@tensorflow/tfjs');
class LinearRegression {
constructor(features, labels, options) {
this.features = tf.tensor(features);
this.labels = tf.tens
浏览 3提问于2021-01-29得票数 1
回答已采纳
我使用tf.data.TextLineDataset读取4个大文件，并使用tf.data.Dataset.zip压缩这4个文件并创建"dataset“。但是，我不能将"dataset“传递给dataset.map使用tf.compat.v1.string_split并使用\t分隔符进行拆分，最后使用批处理、预取并最终输入到我的模型中。
这是我的密码：
d1 = tf.data.TextLineDataset("File1.raw")
d2 = tf.data.TextLineDataset("File2.raw")
d3 = tf.data.Te
浏览 2提问于2020-11-29得票数 0
回答已采纳
我正在准备一个数据集，然后在存储输出之前训练一个模型(为了知识蒸馏的目的)
为了以tfrecords格式存储它们，我需要使用.zip()函数。
我用下面的代码重现了bug/错误。我的实际培训文件有数百行，所以我没有在这里包含它们。
我使用tensorflow 2.1。和ubuntu 18.04上的python 3.7
我不能解决的问题是：
数据被打乱(这是可以的)。但是在压缩之后，元组之间的顺序是不同的(这是不对的)。
import tensorflow as tf
ds = tf.data.Dataset.from_tensor_slices([1,2,3,4, 5])
#prepare
浏览 0提问于2020-02-18得票数 2
这是我的第一个ML项目，所以我可能在理解上犯了一个错误。我已经使用教程训练了一个自定义模型。我很困惑，因为这个页面说目前的对象检测api不支持TensorFlow2.x。然而，当我阅读时，它要求安装TensorFlow2.x。
我不明白当对象检测api不支持tensorflow v2.x时，为什么demo要求安装tensorflow v2.x？你们能帮我理解一下吗？我一定漏掉了什么。
编辑1:当我尝试使用Tensorflow 1.15运行演示脚本时，出现以下错误
File "object_detection_custom.py", line 71, in run_inferen
浏览 3提问于2020-05-09得票数 0
我试图为一篇研究论文运行，当我运行文件(这是主要文件)时，学习了优化器，对进行了扩展和概括，得到了以下错误：
Traceback (most recent call last):
File "metarun.py", line 394, in
tf.app.run()
File "/home/rvl224/anaconda3/lib/python3.5/site-packages/tensorflow/python/platform/app.py", line 48, in run
_sys.exit(main(_sys.argv[:1] + flags_pas
浏览 5提问于2020-05-14得票数 1
回答已采纳
我的训练循环给了我以下警告：
警告:tensorflow:当损失最小化时，变量‘噪音:0’不存在梯度。
经过一些修改后，我确定只有当噪声变量作为参数传递给我的损失函数(即tf.function )时，才会发生这种情况。下面的代码显示，当损失函数不是tf.function或函数中引用全局噪声变量时，没有问题。它还显示，当噪声变量在tf.function中用作参数时，尝试对其执行梯度会导致错误：
import numpy as np
import tensorflow as tf
import tensorflow_probability as tfp
from tensorflow_p
浏览 11提问于2021-07-09得票数 0
我正在尝试从多通道tiff文件创建一个TensorFlow数据集。来自tfio.experimental.image.decode_tiff(image) I/O的TensorFlow只工作4个通道，因此我首先尝试使用rasterio将其读取为numpy，然后像这样将其转换为TF：
import tensorflow as tf
import rasterio as rio
@tf.compat.v2.autograph.experimental.do_not_convert
def parse_image(img_path: str) -> dict:
src =
浏览 1提问于2021-06-14得票数 2
我正在向gpflow模型提供cnn功能。我在这里从我的程序中编写代码块。我正在使用带有Adam优化器(scheduled lr)的tape.gradient。我的准确率停留在47%，令人惊讶的是，我的损失仍然在减少。这很奇怪。我已经对程序进行了调试。有线电视新闻网的功能是可以的，但gp模型不能学习.Please，你能检查训练循环，让我知道我哪里错了吗？
def optimization_step(gp_model: gpflow.models.SVGP, image_data,labels):
with tf.GradientTape(watch_accessed_variables=Fa
浏览 7提问于2020-05-31得票数 1
>> A = tf.Tensor([4135047. 1193752.], shape=(2,), dtype=float32)
>> B = tf.Tensor(
[1226019. 4135047. 4135047. 4169911. 1193752. 4135047. 4135047. 4135047.],
shape=(8,), dtype=float32
)
>> compare_1 = tf.math.equal(B, A[0])
tf.Tensor([False True True F
浏览 8提问于2022-10-25得票数 1
回答已采纳
我正在学习TF 2，但由于某些原因，我需要在项目中使用TF 1。
然而，当我在if中使用张量作为布尔条件时，出现了一个问题。为了简单演示，我将使用以下示例。
import tensorflow as tf
a = tf.constant(2.0)
if a :
print('hi')
错误：using a `tf.Tensor` as a Python `bool` is not allowed in Graph execution. Use Eager execution or decorate this function with @tf.function.
我希望类型
浏览 0提问于2020-05-07得票数 0
我只在tf.keras V2.x中使用TensorFlow。我能播下的种子是什么？我只找到了tf.random.set_seed()。还有别的种子吗？
浏览 8提问于2020-05-26得票数 1
回答已采纳
我把看作是的一部分，而且已经很困惑了。我的理解是(如果我错了，请纠正我)：
步骤4定义了一个输入函数my_input_fn，它将数据格式化为相关的TensorFlow structuresTensor。
然后，步骤5将此函数提供到train调用中。
其意图是，列车呼叫将连续调用my_input_fn，以获得连续批数据，以调整模型。(？现在对此进行调查)
这里定义了my_input_fn：
def my_input_fn(features, targets, batch_size=1, shuffle=True, num_epochs=None):
""
浏览 0提问于2018-03-20得票数 8
回答已采纳
这是我的代码片段
features=np.array([1,2,3,4,5,6,7],dtype=float)
labels=np.array([1,2,3,4,5,6,7],dtype=float)
training_data=(features,labels)
train_dataset=tf.data.Dataset.from_tensor_slices(training_data)
train_dataset=train_dataset.batch(1)
iter=train_dataset.make_one_shot_iterator()
batch=iter.get_next(
浏览 0提问于2018-03-10得票数 1
回答已采纳
在join上运行gevent池将给出以下异常
返回greenlet.switch(自)
gevent.hub.LoopExit：(“此操作将永远阻塞”，集线器在0x105cbd190处选择默认pending=0 ref=0)
守则是：
queue = gevent.queue.Queue(items=range(5))
pool = gevent.pool.Pool(3)
pool.map(self.foo_index, queue)
pool.join(raise_error=True)
该错误似乎发生在join在map期间被调用之前。哦，不，等等，会
浏览 7提问于2016-07-19得票数 1
我是TensorFlow新手，我试图了解种子生成是如何工作的(主要是函数)，我的困惑是如果我在我的主程序中运行这段代码：
a = tf.random.uniform([1], seed=1)
b = tf.random.uniform([1], seed=1)
print(a)
print(b)
我得到了这个输出
tf.Tensor(0.2390374，shape=(1，)，dtype=float32)
tf.Tensor(0.22267115，shape=(1，)，dtype=float32)
两个不同的张量(很明显)，但是如果我试图从一个函数调用它：
@tf.function
def fo
浏览 7提问于2022-07-29得票数 1
回答已采纳
给定以下数据集：
import pandas as pd
import tensorflow as tf
df = pd.DataFrame({
'feat_binomial': [5, 1, 7, 4, 6],
'feat_normal': [5.001512, 5.346654, -0.480363,4.821558,-2.080958],
'feat_ordinal': ['low', 'low', 'low','low','low']
浏览 16提问于2019-11-27得票数 1
1回答
我有两个矩阵。矩阵A包含一些值，矩阵B包含索引。矩阵A和B的形状分别为(批次，值)和(批次，索引)。 我的目标是根据矩阵B沿批次维度的索引从矩阵A中选择值。 例如： # Matrix A
<tf.Tensor: shape=(2, 5), dtype=float32, numpy=
array([[0., 1., 2., 3., 4.],
[5., 6., 7., 8., 9.]], dtype=float32)>
# Matrix B
<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[0, 1],
浏览 22提问于2021-06-12得票数 1
回答已采纳
1回答
我考虑使用kappaScore实现sklearn.metrics.cohen_kappa_score度量。
def kappaScore(y_true,y_pred):
k = cohen_kappa_score(y_true,y_pred,weights='quadratic')
return k
当我试图运行以下代码时出错：
OperatorNotAllowedInGraphError: in user code:
/opt/conda/lib/python3.7/site-packages/keras/engine/training.py:853
浏览 9提问于2022-01-19得票数 0
回答已采纳
如何在不使用任何keras.compile方法的情况下训练批处理规范层？通常情况下，层具有可访问的损失。这里的损失方法是空的。 更新： 似乎对此有很多困惑，甚至BatchNorm的实现方式也是相当混乱的。 首先，只有训练在线参数(在training=False模式下使用)才能缩放和移动功能:在training=True模式下调用层。如果你从来不想使用批处理归一化的“批处理”部分(即，你只想要一个在线归一化程序，用正常的log-prob损失来训练自己)，你基本上不能在单个调用AFAIK中做到这一点。 使用training=False调用层不会更新参数。使用training=True调用它会更新
浏览 55提问于2019-10-02得票数 1
我正在用tensorflow复制一个简单的代码。
我有自己定义的函数作为我的模型的度量。
这是一个简单的三重态损失函数(稍微修改一下)，但是如果我使用一个正常的函数，问题是相同的。
import pandas as pd
import numpy as np
import tensorflow as tf
from tensorflow.keras.activations import sigmoid
from tensorflow.keras import backend
from tensorflow.keras.models import Model, Sequential
from
浏览 4提问于2020-04-27得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
