我想比较使用gpu和不使用gpu时代码的处理时间。我的keras后端是Tensorflow。所以它会自动使用GPU。我使用keras/examples/mnist_mlp.py模型进行比较。
我像下面这样检查了处理时间。那么,如何禁用我的GPU呢?是否应该修改~/.keras/keras.json?
$ time python mnist_mlp.py
Test loss: 0.109761892007
Test accuracy: 0.9832
python mnist_mlp.py 38.22s user 3.18s system 162% cpu 25.543 total
我想创建一个基于MLP的自定义CNN模型(多尺度),由几个并行的小网络(胶囊)组成。这些简单的小网络被实例化为每个卷积尺度(即3x3,5x5 )的自定义图层(conv2d->Flatten->Dense)。这些胶囊网络的目的是使用CNN模型产生中间损失意识,以减少总体损失。我写了一些粗略的代码,但我不能写正确的代码来使用这些胶囊计算局部损失。代码如下:
from tensorflow.keras import layers
import tensorflow as tf
from tensorflow.keras.datasets import mnist
from tensorf
在观看了F.CholletYoutube的视频"Inside TensorFlow: tf.Keras (第1部分)“之后,我试过这样做。在本节中,他讨论了如何通过子类创建自定义层和模型。我在colab上使用:
try:
# %tensorflow_version only exists in Colab.
%tensorflow_version 2.x
except Exception:
pass
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.models impo
我正在处理一个程序,当我运行它时,我会得到以下错误:
'Could not interpret optimizer identifier: {}'.format(identifier))
ValueError: Could not interpret optimizer identifier: <keras.optimizer_v2.adam.Adam object at 0x0000023F5EEF4CF8>
我不知道如何解决它,它是我的问题,还是外部的我。问题出现在第132行,我只写了74行:
Python version: 3.6.0
Tensorflow v
我使用以下代码:
from tensorflow.keras.regularizers import l2
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Add, Conv2D, MaxPooling2D, Dropout, Flatten, Dense, BatchNormalization, Activation
from tensorflow.keras import activations
CNN_model = Sequential()
# The First B
我使用的是keras 2.0.8和tensorflow 1.3.0后端。
我在init类中加载了一个模型,然后用它来预测多线程。
import tensorflow as tf
from keras import backend as K
from keras.models import load_model
class CNN:
def __init__(self, model_path):
self.cnn_model = load_model(model_path)
self.session = K.get_session()
我对Keras和AI完全陌生。我在Ubuntu20.04下有Keras2.9和Python3.8.10。我有一个2输入模型,它使用由C++函数生成的合成数据.我使用C++调用Pybind11函数。函数返回一个512×512灰度图像和一个数字。我把这些与生成的参数数一起给模型,在一个向量中有重复的两个数。对模型进行培训会给出以下错误信息:
[INFO] training model...
Epoch 1/10
2022-08-22 18:36:27.276873: W tensorflow/core/framework/op_kernel.cc:1733] INVALID_ARGUMENT: T
在使用Python进行人工智能实践时,我遇到了以下问题。我该如何解决这个问题?我想使用MLP识别Cifar-10数据。但是,当你这样写的时候,出现了一个错误:我应该怎么做来解决这个问题?请帮帮我。
我在正文中添加了一个错误。如果你能帮我,我将不胜感激。
import numpy as np
import tensorflow as tf
from tensorflow.keras.datasets import cifar10
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import C
我正在尝试为我用flask构建的TensorFlow模型服务。当我运行flask代码时,它出现了这个错误:我重新安装了conda,但是这个错误仍然存在。现在的问题是,即使我导入tensorflow,也会出现这个错误。我在另一台设备上试过,它没有conda,只有vanilla python。同样的错误也出现了。
我将在这里发布整个错误:
>>> import tensorflow as tf
2021-05-18 13:20:02.804699: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] C
我是刚和Keras一起工作的。代码工作正常,但我想知道时代中所显示的值的含义。我使用以下代码。
如果上面写着46/46和226/277,这些数字的含义是什么?为什么2出现在通常只出现的情况下,例如100/100
import sys
import os
from tensorflow.python.keras.preprocessing.image import ImageDataGenerator
from tensorflow.python.keras import optimizers
from tensorflow.python.keras.models import Sequenti
我有一个CNN输出一个标量,这个输出和MLP的输出连在一起,然后传送到另一个致密的层。我得到一个图不连通的错误
请告诉我如何解决这个问题。提前谢谢。
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Conv2D, Dense, Flatten, concatenate, Input
import tensorflow as tf
tf.keras.backend.clear_session()
#----custom function
def custom_loss(ytrue
我在Linux中拥有TensorFlow,NVIDIA (CUDA)/CPU,Keras &Python3.7。根据本教程,我遵循了所有步骤:
在运行以下代码时:
# What version of Python do you have?
import sys
import tensorflow.keras
import pandas as pd
import sklearn as sk
import tensorflow as tf
print(f"Tensor Flow Version: {tf.__version__}")
print(f"Keras
neuMF类不是Keras的类,因此它不提供任何编译方法,我最好使用keras.Model而不是nn.Blocks。
不幸的是,我并不真正理解nn.Blocks是什么,以及如何在类中替换它。我应该如何对我的代码进行修改,以便它能够与keras.Model一起工作并可以使用Keras方法?
这是我的代码:
from d2l import mxnet as d2l
from mxnet import autograd, gluon, np, npx
from mxnet.gluon import nn
import tensorflow as tf
from tensorflow import k
我正在使用一个一维CNN作为我的表格数据集,但当我训练我的自定义模型为二进制分类问题,我得到一个错误。
下面是我的代码:
#splitting the datasets for training and testing process
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size =0.3, random_state=42)
#size for the sets
print('size of
我正在尝试对3D黑白MRI数据进行二进制分类。我使用2D卷积,因为在B&W数据中缺乏固有的通道。我添加了一个维度来排列维度,本质上,此数据的深度用作批处理维度。我使用的是一个子样本数据,20个文件,每个文件189 x 233 x 197。只是作为一个简短的背景。
我有一个csv文件,里面有一堆信息,包括我试图提取的每个文件的标签数据,如下面的代码所示。
import numpy as np
import glob
import os
import tensorflow as tf
import pandas as pd
import glob
import SimpleITK as
我正在尝试为狗和猫分类创建一个Tensorboard,但是它无法创建一个目录。
由于某种原因,如果删除.format(名称),它会运行一秒钟,但仍然会抛出和出错。它设法创建了这个路径: logs ->
import pickle
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.callbacks import TensorBoard
import time
NAME = 'Cats-vs-dog-cnn-64x2{}'.format(int(time.time()))
当我训练CNN模型时,我会犯错误,这是为了检查一个人用手语说的话。我在和克拉斯一起工作,坦索弗洛。这是我的密码:
import tensorflow as tf ;importing libraries
from tensorflow.keras import datasets,layers,models
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.preprocessing.image import ImageDataGenerator
; Data preprocessing
train
我使用本机和后端tensorflow创建了完全相同的网络,但是在使用不同参数数进行了许多小时的测试之后,我仍然不知道为什么keras的性能优于本地tensorflow,并产生了更好(稍好但更好)的结果。
Keras是否实现了不同的权值初始化方法?或者执行不同的重量衰减方法,而不是tf.train.inverse_time_decay?
附注:分数的差别总是像
Keras with Tensorflow: ~0.9850 - 0.9885 - ~45 sec. avg. training time for 1 epoch
Tensorflow Native ~0.9780 - 0.9830 -
我未能显示图像,代码下面的,
import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np
import cv2
import os
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.preprocessing import image
from tensorflow.keras.optimizers import RMSprop
img= image.load_img(
我正在使用Python和Tensorflow处理CNN。如何在此代码中将图像从PNG转换为JPEG? 我有一些关于使用for循环和PIL图像模块的想法,但我没有经验,所以我不知道如何制作它。我想以任何可能的方式进行这种转变。 注意:没有包含层,因为它是一大块代码,但在我的Jupyter笔记本中,我有它们。 import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.op
import cv2, pickle
import numpy as np
import tensorflow as tf
from cnn_tf import cnn_model_fn
执行此代码库后,我将得到以下错误:
(tensor) E:\codes\Sign-Language-master>python recognize_gesture.py
Traceback (most recent call last):
File "recognize_gesture.py", line 4, in <module>
from cnn_tf im
大多数情况下,当我使用Keras定义模型时,都会收到此警告。不过,它似乎来自tensorflow:
WARNING:tensorflow:From C:\Users\lenik\AppData\Local\Programs\Python\Python37\lib\site-packages\keras\backend\tensorflow_backend.py:3445: calling dropout (from tensorflow.python.ops.nn_ops) with keep_prob is deprecated and will be removed in a future