使用摘要操作训练TensorFlow模型比不使用摘要操作要慢得多
摘要操作（Summary Operation）是在TensorFlow中用于记录和可视化训练过程中的各种指标和数据的工具。它可以帮助开发者更好地理解和调试模型的训练过程。
使用摘要操作训练TensorFlow模型相比不使用摘要操作要慢得多的原因是，摘要操作会在每个训练步骤中收集并保存训练过程中的各种数据，如损失函数值、准确率、梯度分布等。这些数据会被写入TensorBoard日志文件中，以便后续分析和可视化。
摘要操作的主要优势在于：
- 监控训练过程：摘要操作可以实时记录训练过程中的各种指标，帮助开发者了解模型的训练情况。通过TensorBoard可视化工具，开发者可以查看损失函数的变化趋势、准确率的提升情况等，从而判断模型是否正常训练。
- 调试模型：摘要操作可以帮助开发者定位和解决模型训练过程中的问题。通过查看摘要操作记录的数据，开发者可以分析模型的梯度分布、权重变化等，从而判断是否存在梯度消失或梯度爆炸等问题，并及时调整模型结构或优化算法。
- 可视化分析：通过TensorBoard可视化工具，开发者可以直观地查看训练过程中的各种指标和数据。例如，可以绘制损失函数的曲线图、准确率的变化图等，帮助开发者更好地理解模型的训练效果，并进行模型选择和调优。
摘要操作在各类TensorFlow模型的训练中都具有广泛的应用场景，特别是在深度学习领域。无论是图像分类、目标检测、语音识别还是自然语言处理等任务，摘要操作都可以帮助开发者更好地理解和优化模型。
腾讯云提供了一系列与TensorFlow相关的产品和服务，可以帮助开发者高效地使用摘要操作训练模型。其中，腾讯云的AI智能服务（https://cloud.tencent.com/product/ai）提供了丰富的深度学习平台和工具，包括AI引擎、AI Lab、AI 画像、AI 语音等，可以满足不同场景下的需求。
总结：使用摘要操作训练TensorFlow模型相比不使用摘要操作要慢得多，但它带来了许多优势，包括监控训练过程、调试模型和可视化分析。腾讯云提供了与TensorFlow相关的产品和服务，可以帮助开发者更好地使用摘要操作训练模型。
相关·内容
我正在用TensorFlow训练一个模型。在训练期间，我定期评估验证集上的模型。我想写一个训练过程的摘要，这样就可以显示验证集损失的曲线图，这样我就可以看到它随着训练迭代的增加而下降。(或者，如果我开始变得过大，就跳回来。)
我已经有一个全局迭代变量作为我的摘要的一部分。我正在考虑在模型图中创建一个标量汇总validation_loss变量，该变量与任何东西都没有关联，但我会定期从我的训练循环中为其分配一个变量。
这是一个好策略吗？在TensorFlow中，有没有一种更常用的方法来实现这一点？
(我正在处理的特定项目是，它是TensorFlow文档中的泛化。)
浏览 0提问于2016-08-17得票数 0
我已经使用pytorch训练了一个图像分类模型。
现在，我想把它从研究转移到生产流水线。
我正在考虑使用TensorFlow扩展。我非常怀疑我是否能够在TensorFlow扩展管道中使用我的PyTorch训练模型(我可以将训练模型转换为ONNX，然后转换为Tensorflow兼容格式)。我不想重写和重新训练训练部分到TensorFlow，因为这将是一个很大的开销。有没有可能或者有更好的方法来生产PyTorch训练过的模型？
浏览 6提问于2020-11-13得票数 2
我一直在使用tensorflow supervisor ()从保存的检查点加载模型，用于训练和运行网络。但我注意到，即使在运行/评估模型时，检查点文件也会更新( graph.pbtxt的时间戳、更新的model.ckpt.data文件和创建的新events.out )。
这让我想知道使用supervisor来运行/评估模型是否也会重置/改变训练状态？建议使用主管进行培训以外的其他工作吗？
训练-
sv = tf.train.Supervisor(logdir=mylogdir)
with sv.managed_session() as sess:
if not sv.should_st
浏览 8提问于2017-02-23得票数 0
回答已采纳
1回答
问题:我有一个模型，我想用独立的数据集进行训练。然后，我想提取每个模型的权重(每个实例的模型是相同的，但使用不同的数据集进行训练)，最后，计算并平均这些权重。基本上，我的目的是模拟在多个设备上运行的tensorflow，然后平均它们的权重，以便它们被一个模型使用。
我的解决方案:我多次将此模型添加到tensorflow中，目前正在使用其独特的数据集分别训练这些模型中的每一个。但这使用了GB的内存，我想知道是否有更好的方法来做到这一点？
浏览 0提问于2017-04-14得票数 0
1回答
短版本: Tensorflow Keras模型在特斯拉T4上的训练要比在GTX 970上慢得多(这两种模式都在工作，都经过了nvidia-smi的检查)。
长版本:我有两台主机。一种是带有Tensorflow 2.1.0的GTX 970 PC机，另一种是带有特斯拉T4和Tensorflow 2.3.0的GCP平台笔记本。我在它们上运行相同的代码，所有的训练数据都以numpy数组的形式存储在内存中，dtype是相同的('float16')，batch_size也是相同的(8，GTX不会在上面的任何事情上工作，但是我在Tesla上也尝试了64，没有什么区别)。为什么特斯拉的计算能力
浏览 2提问于2020-09-02得票数 2
回答已采纳
1回答
Keras模型训练时间太长
、、、、
因此，我有以下情感分析模型(使用预先训练过的单词嵌入)：
可见，我有一个预先训练过的嵌入矩阵，并且只有大约500 K的可训练参数。那么，为什么要花很长时间才能训练出这种模式呢？批次大小为128次，周期数为25次。第一个时期的ETA大约是10分钟。我还没完成呢。
我只想提一提，我没有使用数据自动化系统或任何东西。我想我没有GPU支持的Tensorflow。我愿意做任何事情来提高速度。我有Tensorflow 2.1.0。
浏览 4提问于2020-05-30得票数 1
回答已采纳
我正在运行tensorflow对象检测API并使用SSD_mobilenet模型。我在我的训练目录中有model.cpkt和graph.pbtxt。但是在我的训练目录中，我发现我的事件文件是空的。似乎没有数据写入到我的事件中。有人能帮帮我吗！
浏览 3提问于2018-11-28得票数 0
1回答
我有两个Tensorflow Lite模型(它们是Yolo V2微型模型)：
Model A)从互联网上下载，检测和分类有80个类的对象。.tflite文件的重量为44,9mb。( Model B)由我自己使用Darknet训练，用52个类对对象进行检测和分类。.tflite文件重20,8mb。该模型使用暗流( Darkflow. )将其转换为。
然而，无论是在移动电话上还是在计算机上，B模型的预测时间都比模型A多10倍(即使B模型在较少的类中检测到，而且其文件更轻)。此外，模型似乎与大小为416x416的输入图像一起工作，并使用浮点数。
A型比B型更快的原因是什么？我怎么知道为什么A型更快？
浏览 6提问于2020-03-15得票数 1
回答已采纳
当安装在heroku上时，Tensorflow似乎占据了大量的空间。有什么办法可以让tensorflow占用更少的空间吗？有更轻版本的丹索尔·弗洛吗？我只使用它来加载经过预先训练的模型和标记文本，我不需要整个500‘t的库。提前感谢！
浏览 1提问于2020-05-14得票数 1
回答已采纳
我想使用一个由未知作者提供的预先训练的tensorflow模型。我不知道他/她是如何设法将tensorflow模型(他/她使用了tensorflow版本的>= 1.2)保存到一个扩展名为“.model”的文件中的，因为通常我会得到三个文件‘..meta’、‘..data’、'.index‘或一个文件’..ckpt‘。
我怎样才能恢复这个预先训练过的模型？以后如何将模型保存为这种格式？
谢谢。
浏览 2提问于2018-01-06得票数 3
1回答
我正在使用开源的Tensorflow实现研究论文，例如。我使用的大多数库都配置为在本地训练模型，但是我想使用Google来训练模型，因为我的笔记本上没有GPU。我发现很难更改代码以支持GCS存储桶。目前，我正在将日志和模型保存到/tmp中，然后运行一个“gsutil”命令，在培训结束时将目录复制到gs:// my ()。如果我尝试将模型直接保存到gs://my-bucket，它就永远不会出现。
对于训练数据，tensorflow样本之一将数据从GCS复制到/tmp for training ()，但这仅在数据集较小的情况下起作用。我想使用celebA，而且它太大了，无法每次运行时都复制到/tm
浏览 3提问于2017-03-15得票数 3
回答已采纳
我正在学习通过TensorFlow来训练线性回归模型。这是一个非常简单的公式：
Y= W *x+ b
我已经生成了一个样本数据：
在模型训练之后，我可以在Tensorboard中看到"W“在"b”走错了方向时是正确的。所以损失是相当高的。
是我的代码。
问题
为什么"b“被训练成错误的方式？
我该用优化器做点什么吗？
浏览 1提问于2019-08-02得票数 0
回答已采纳
我正在研究分布式Tensorflow，特别是使用以下论文中给出的分布式Tensorflow实现复现模型。
我们正在使用图与图之间的异步实现分布式tensorflow设置，但结果非常令人惊讶。在替补席上，我们发现分布式训练的训练时间几乎是单机训练的2倍。任何关于可能发生的事情和可以尝试的其他事情的线索都会被真正感谢。谢谢
注:文章中有更正，我们使用的是图之间的实现，而不是图中的实现.对不起，我错了
浏览 2提问于2016-09-30得票数 1
回答已采纳
此link的tensorflow教程(请参阅“训练模型”部分)表明，可以向tf.keras.model.fit提供数据集(数据、标签)。然而，当我将我的数据集分配给val_data时，如下所示，无论训练状态如何，验证数据的损失都是0 (见下图)。¨ history = model.fit(
train_ds,
validation_data=val_ds,
epochs=EPOCHS,
verbose=1,
) IMAGE: Result of training from history, the validation
浏览 53提问于2020-11-05得票数 1
我正在使用tensorflow估计器对象来训练来自官方tensorflow层文档()的模型。我可以看到训练损失在训练期间显示在控制台上。有没有办法存储这些培训损失值？
谢谢!
浏览 0提问于2018-02-23得票数 2
回答已采纳
我正在使用TensorFlow r1.0和图形处理器Nvidia Titan X训练一个类似盗梦空间的模型。
我添加了一些摘要操作来可视化训练过程，使用如下代码：
def variable_summaries(var):
"""Attach a lot of summaries to a Tensor (for TensorBoard visualization)."""
with tf.name_scope('summaries'):
mean = tf.reduce_mean(var)
浏览 9提问于2017-02-23得票数 7
Tensorflow Keras模型和Tensorflow估计器都能够训练神经网络模型，并使用它们来预测新数据。它们都是建立在低级核心TensorFlow应用程序接口之上的高级API。那么我应该在什么时候使用一个而不是另一个呢？
浏览 6提问于2018-07-21得票数 59
回答已采纳
如果我有一个具有8GBRAM的GPU，并且我有一个TensorFlow模型(不包括培训/验证数据)，即10 8GB，那么TensorFlow可以训练这个模型吗？
如果是，TensorFlow是如何做到这一点的？
备注：
我不是在寻找分布式GPU培训。我想知道单个GPU的情况。我不关心培训/验证数据的大小。
浏览 0提问于2020-12-09得票数 1
我有一个带有".h5“和".json”文件的预先训练好的Keras模型。我想知道使用的模型的体系结构和层的名称。有没有什么我可以做的？ 我是新手，所以我真的不知道从哪里开始 我期待你在加载tensorflow模型时得到的日志。
浏览 14提问于2019-10-15得票数 0
1回答
这里描述的tensorflow文本摘要模型需要多GPU架构才能进行训练。我反复尝试训练模型，但由于各种原因导致内存异常，机器崩溃。经过训练的摘要模型是否可用，以便在不需要训练的情况下使用摘要模型？摘要模型是使用非免费的Gigaword数据集训练的，如果训练的模型不能从Google获得，这是一个原因吗？
浏览 1提问于2016-10-06得票数 0
我有一个TensorFlow模型，这个模型的一部分评估了精度。accuracy只是tensorflow图中的另一个节点，它接受logits和labels。
当我想要描绘训练的准确性时，这很简单:我有如下内容：
tf.scalar_summary("Training Accuracy", accuracy)
tf.scalar_summary("SomethingElse", foo)
summary_op = tf.merge_all_summaries()
writer = tf.train.SummaryWriter('/me/mydir/'
浏览 5提问于2016-10-20得票数 30
回答已采纳
我用TensorFlow和Keras开发并训练了一个卷积神经网络。现在，我想把这个模型部署到一个Android设备上，在那里我需要一个实时应用程序。
我找到了将Keras模型部署到Android的两种方法：
将图形冻结为..pb文件(例如'model.pb')，然后在Android设备上使用"TensorFlowInferenceInterface“。
将冻结的图形转换为.tflite模型(例如'model.tflite')，然后在安卓设备上使用TesorFlow Lite解释器。
这两种方法都在Android设备上工作，并产生了预期的结
浏览 1提问于2019-05-18得票数 1
1回答
有谁知道在模型从Tensorflow Python加载到Java后是否有可能继续对模型进行培训？我已经想出了这个代码片段，但是没有工作(是的，输出与输入相同)
for(int i = 0; i < 10000; i++) {
Tensor cost = b.session().runner().feed("input", input).feed("output", input).fetch("cost").run().get(0);
System.out.println(result1);
}
这是打印了10000次的内容：
浏览 2提问于2017-04-25得票数 0
回答已采纳
1回答
目前我们有一个模型，我们将使用Tensorflow服务将该模型用于我们的API。因此，我们需要将当前的API输入数据转换为特征。由于模型的创建和模型的使用是在两个不同的代码库中执行的，并且我不希望在两个不同的代码库中进行转换(为了使它们在两个代码库中保持相同)，我正在阅读有关Tensorflow转换的内容，以便能够使用一个函数来处理训练数据和服务数据。然而，我发现很难理解它在生产中如何工作。当我保存模型时，我可以包含保存预处理功能吗？或者我可以在哪里“托管”这个预处理函数？
因此，为了清楚起见，我有一个预处理训练数据的模型。我想对服务数据使用相同的函数。
浏览 6提问于2020-08-04得票数 0
我正在研究谷歌全新的MobileNetV2架构。
在学习期间，我在Tensorflow模型动物园读过这个字符串
例如，Mobilenet V2在移动设备上比Mobilenet V1快，但在桌面GPU.‘上稍微慢一些。
所以我的问题是
这怎么可能？我真的很想知道为什么。
浏览 0提问于2018-05-17得票数 4
回答已采纳
我使用Tensorflow对象检测api训练了faster_rcnn_resnet50模型。我已经训练了尺寸图像的模型(1366,768)，并且在测试时使用相同的尺寸。但是，当我将边界框的内容保存为单独的图像时，我注意到图像维数减少到(250,50)，这是一个相当大的下降。为什么会发生这种事？
预测图像：
边框保存为图像
我将在最后一个单元格object_detection_tutorial.ipynb下面添加以下代码行，以将边框中的区域保存为新图像
img = cv2.imread(image_path)
box = np.squeeze(boxes)
for i in range(len(
浏览 0提问于2019-07-15得票数 0
回答已采纳
1回答
在控制台中打印摘要
、、、
Tensorflow的标量/直方图/图像摘要函数对于用张索板记录数据非常有用。但是我也想把这些信息打印到控制台上(例如，如果我是一个没有桌面环境的疯子)。
目前，在调用sess.run之前，我正在将感兴趣的信息添加到获取列表中，但这似乎是多余的，因为我已经在获取合并的摘要。获取合并的摘要会返回一个protobuf，所以我想我可以使用一些通用的python原型库来抓取它，但是这似乎是一个足够常见的用例，应该有一个更简单的方法。
这里的主要动机是封装。让我们留下我的模型和训练脚本在不同的文件中。我的模型调用了大量的tf.scalar_summary来获取有用的日志信息。理想情况下，我可以指定是否通
浏览 3提问于2016-07-18得票数 2
我现在开始用Tensorflow学习Python中的CNN。我理解Tensorflow使用CUDA，所以我尝试使用Tensorflow-directml，因为我使用的是AMD (RX 580和I3 10100 f CPU)。我尝试使用CIFAR-10数据集为对象检测建立一个基本模型：
model = models.Sequential()
model.add(layers.Conv2D( 32, (3,3), activation='relu', input_shape=(32,32,3) ) )
model.add(layers.MaxPooling2D( (2,2) ))
浏览 4提问于2022-04-06得票数 0
1回答
我是tensorflow-hub的新手，偶然遇到了ELMo模型()。
根据原始论文，ELMo表示是隐藏状态激活的加权平均，这些权重可根据手头的任务进行训练，即特定于任务。不出所料，当我使用tf.trainable_variables()时，我可以看到4个可训练参数。如何在tensorflow中准确地训练这些变量？
他们只是提到这些重量是可训练的。但是谁来训练它呢？我还是ELMo模型自己训练它呢？这篇论文似乎建议我应该训练它。如果是这样，我如何在tensorflow中训练它？
浏览 5提问于2018-06-23得票数 3
我的Tensorflow联合模型需要太长时间才能收敛。当我使用相同的模型时，没有TFF包装，用tenlow2.0训练它，在几个时期内准确率达到0.97。然而，通过TFF训练，相同的模型在30个时期内只能达到0.03。在TFF训练中，准确率如此之低的原因可能是什么？有没有办法改善这一点。我的代码如下：
# Building the Federated Averaging Process
iterative_process = tff.learning.build_federated_averaging_process(
model_fn,
client_optimizer_fn=lamb
浏览 2提问于2020-07-10得票数 1
我已经实现了一个TensorFlow DNN模型(两个隐藏层，其中有在MNIST上训练的elu激活函数)，以便用自己的优化例程和工具将TF调用包装在另一个库中。
在TeslaK20上运行一些测试时，我注意到GPU的使用占总容量的4%。因此，我更仔细地观察了日志设备的放置情况，并发现所有关键操作(如MatMul、Sum、Add、Mean等)都分配给了CPU。
想到的第一件事是，这是因为我在使用dtype=float64，所以我改用了dtype=float32。虽然分配给GPU的操作更多，但仍有大量的操作分配给CPU，如Mean、gradient/Mean_grad/Prod、gradient/M
浏览 4提问于2016-02-16得票数 3
回答已采纳
我使用batchsize=5在tensorflow中训练GAN模型，因此生成器的输入大小为5，图像大小，图像大小，3。训练后，我将tensorflow模型转换为tensorflowjs模型。 因此，我使用loadFrozenModel.Then model.predict来加载模型来预测image.However，model.execute(dict)中提供的dict‘’concat‘的形状必须是5,512,512,12，而不是1,512,512,12。如何解决这个问题?我在tensorflow中的训练阶段使用mini-batch，在tensorflow中只预测一个输入的图像，而不是tens
浏览 17提问于2019-03-06得票数 0
回答已采纳
我正在用增强算法训练标题生成的RNN模型。我采用自我批评的策略(见论文图像字幕的自关键序列训练)来减少方差。我用预先训练的RNN模型(即.a)初始化模型。温暖的开始)。这个预先训练的模型(用对数似然目标训练)在我的任务中得到了0.6分.
当我使用adam优化器来训练这个策略梯度目标时，经过几个时期后，我的模型的性能下降到0。然而，如果我切换到梯度优化器，并保持其他一切相同，性能看起来合理，略好于预先培训的模型。你知道这是为什么吗？
我使用tensorflow来实现我的模型。
浏览 0提问于2019-04-10得票数 2
我有一个TensorFlow 2模型，有一个经过预先训练的Keras层来自TensorFlow集线器.我想微调这个子模型中的权重，以适应我的数据集，但是如果我天真地设置trainable=True和training=True，我的模型会非常适合。
如果我将底层模型的实际层置于我的控制之下，我将在这些单独的层上插入下拉层或设置L2系数。但是这些层是使用TensorFlow集线器方法导入到我的网络中的。此外，我怀疑底层模型是相当复杂的。
我想知道解决这类问题的标准做法是什么。
也许有办法强制整个网络正规化？我知道在TensorFlow 1中，有一些像这样的优化器采用L2系数。在TensorFlow
浏览 1提问于2019-04-19得票数 1
我有一个现有的经过训练的模型(特别是tensorflow word2vec https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/udacity/5_word2vec.ipynb)。我很好地恢复了现有的模型： model1 = tf.train.import_meta_graph("models/model.meta")
model1.restore(sess, tf.train.latest_checkpoint("model/")) 但我不知道如何使用新加载(和训练
浏览 22提问于2019-01-31得票数 0
回答已采纳
我正在尝试用TensorFlow训练一个模型，然后获得损失图。我正在使用下面的代码片段：
for step in range(NUM_BATCHES):
img, lbl = sess.run([batch_images, batch_labels])
_, loss_value = sess.run([train_op, cost], feed_dict={X: img, Y: lbl, p_keep_conv: 0.8, p_keep_hidden: 0.5})
print("Step %d, loss %1.5f" % (step, loss_va
浏览 4提问于2017-07-24得票数 0
回答已采纳
我想知道是否有可能使用tensorflow和pytorch模型转换为onnx模型来使用C++ Api训练它们，就像在中使用tensorflow模型一样。我只是找到了一些使用onnx进行推理的例子。其想法是能够在python中使用tensorflow和pytorch创建原型，转换为onnx模型，并在C++中拥有统一的API来进行推理和训练。获取一些信息(链接)会有很大帮助。
浏览 4提问于2021-11-05得票数 1
我正在尝试从经过训练的对象检测模型中创建可视化解释，如GradCAM。为了实现该算法，我需要访问中间张量并计算到特征映射的梯度。冻结的推理图似乎省略了许多信息，如张量名称，在使用导出脚本(exporter_main_v2.py)之后，因此我无法访问特定的张量。
使用“训练模型”(在转换到pb之前)，我也很难访问特定的张量，因为模型不是普通的Keras/Tensorflow，而是在SSDMetaArch、SSDMobileNetFeatureExtractor等类中抽象出模型的一部分，这些类隐藏了模型的实际实现。
知道怎么解决这个问题吗？
浏览 0提问于2021-09-28得票数 0
回答已采纳
1回答
我试着把阿尔伯特的.pb模型转换成tflite
我在TF-1.15中用.pb制作了模型
我使用tconverter = tf.compat.v1.lite.TFLiteConverter.from_saved_model(saved_model_dir) # path to the SavedModel directory制作tflite文件(在tf 2.4.1中)
但
Traceback (most recent call last):
File "convert.py", line 7, in <module>
tflite_model = conv
浏览 6提问于2021-04-25得票数 1
回答已采纳
我尝试使用预训练模型vgg19和alexnet作为特征提取器，然后使用svm进行分类。我有大约15000张图片作为输入数据。我使用的是服务器hp proliant g7，但是vgg19大约需要50小时来训练，而alexnet只需要大约4小时。这是正常的，还是我应该为vgg19的情况调查一下我那端的一些设置或数据问题？
浏览 269提问于2019-05-20得票数 1
1回答
如何停止模型训练并恢复模型训练？
、、、、
我正在使用自主数据集进行对象检测。我想用10000个训练图像，2000个测试图像，2000个验证图像来训练我的模型。我将使用对象检测tensorflow lite model maker。 项目链接: tensorflow.org/lite/tutorials/model_maker_object_detection 设置批处理大小32后，训练需要50个时期并持续2天(步骤3).I无法让我的计算机保持开机两天。我在jupyter notebook中运行该项目 如何停止模型训练并再次恢复模型训练？(例如，停止第10个纪元，并在一天后继续)
浏览 136提问于2021-08-05得票数 0
我是新来的。我最近开始处理对象检测，并决定使用Tensorflow对象检测API。但是，当我开始训练模型时，它并没有像它应该显示的那样显示全局步骤，尽管它仍然在后台进行训练。
详细信息:我正在一台服务器上进行培训，并在Windows上使用OpenSSH访问它。我训练了一个定制的数据集，收集图片并给它们贴上标签。我用model_main.py训练它。另外，直到几个月前，API还有点不同，而且直到最近才更改为最新版本。例如，它以前使用train.py进行培训，而不是使用model_main.py。我可以找到的所有在线教程都使用train.py，所以这可能是最近提交的一个问题。但我找不到其他人来解决
浏览 0提问于2018-08-25得票数 11
回答已采纳
我正在测试一些著名的计算机视觉模型: UNet，FC-DenseNet103，我用224x224随机裁剪的补丁来训练它们，并在验证集上做同样的事情。现在，当我在一些视频上运行推理时，我直接向它传递帧(1280x640)，它就可以工作了。它在不同的图像大小上运行相同的操作，并且不会给出错误。它实际上提供了一个很好的输出，但输出的质量取决于图像大小...现在，我已经很长时间没有使用神经网络了，但当我使用tensorflow时，我记得我必须将输入图像裁剪成训练裁剪的大小。
为什么我不再需要这样做了？引擎盖下发生了什么？
浏览 0提问于2021-01-28得票数 1
1回答
我搜索了解是否有一种技术可以在安卓应用程序中保护经过训练的tensorflow模型(.pb文件)的安全，但没有找到任何有用的东西。我正在发布一个包含tensorflow模型的应用程序，它是我在训练集上构建的。当我发布应用程序时，任何人都可以访问该模型，并将其用于自己的应用程序。我想知道是否有一种方法可以保护我放在Android应用程序资产文件夹中的tensorflow模型？
这是我在Android中加载模型的方式：
TensorFlowInferenceInterface tf = new TensorFlowInferenceInterface();
tf.initializeTen
浏览 3提问于2017-03-18得票数 8
我正在使用带有Tensorflow后端的Keras。我的工作包括在我的数据集上比较几个模型的性能，如Inception，VGG，Resnet等。我想在一个图中画出几个模型的训练精度。我正尝试在Tensorboard中这样做，但它不起作用。
有没有办法用Tensorboard在一次绘图中绘制多个图形，或者有没有其他方法可以做到这一点？
谢谢
浏览 1提问于2018-02-23得票数 27
我是Tensorflow的新手，并且已经遵循了这个简单的花朵图像分类器指南https://codelabs.developers.google.com/codelabs/tensorflow-for-poets/#0。因此，现在我有了一个图形文件"retrained_graph.pb“和一个文本文件"retrained_labels.txt"，我想继续训练该模型，以区分更多的花(和其他对象)，并用旧花类别中的更多图像进行训练。如何在不重新训练整个最后一层的情况下继续训练模型。同样，我是Python和Tensorflow的新手，所以如果我说错了什么，请纠正我。
浏览 6提问于2019-01-15得票数 0
回答已采纳
1回答
我使用tensorflow 2.6 keras进行传输学习。目前我选择MobileNetV2。我接受输入，使用Lambda层进行预处理，然后将预处理后的输入输入到MobileNetV2中，然后添加密集层并对其进行训练。训练、推理等实际上是按预期工作的。
然而，该模型的摘要如下：
Model: "model"
_________________________________________________________________
Layer (type) Output Shape Param #
========
浏览 2提问于2022-02-10得票数 0
我已经基于Tensorflow训练了一个模型。这个模型应该可以在手机上工作，但在将冻结图(pb)转换为深度学习容器(Dlc)时，我遇到了一个问题。我必须将输入大小设置为常量。这导致该模型不能在任何输入大小下工作。我正在尝试找到一种方法来调整DLC模型的输入形状的大小，而不使用"snpe-tensorflow- to -dlc -- input _dims 1,512,512,3“初始化模型，因为这种方法很消耗资源。实际上，我想在dlc模型中调整输入形状的大小。有人能帮我吗？
浏览 10提问于2020-05-04得票数 1
1回答
我想使用对象检测API Tensorflow训练一个MaskRCNN模型。
我目前正在使用对图像进行注释。
我的问题是:我应该为每个图像创建一个具有一个分割特征的训练数据集，还是可以在单个图像中注释多个特征(属于同一类)？
浏览 15提问于2020-05-06得票数 0
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
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
