如何在tf.function修饰方法中创建变量？
在tf.function修饰的方法中创建变量可以通过tf.Variable()函数来实现。tf.Variable()函数用于创建可训练的变量，它接受一个初始值作为参数，并返回一个tf.Variable对象。
在tf.function修饰的方法中创建变量的步骤如下：
- 导入TensorFlow库：import tensorflow as tf
- 定义一个被tf.function修饰的方法，例如： @tf.function def my_function(): # 在这里创建变量 my_variable = tf.Variable(0, dtype=tf.int32) # 其他操作...
在上述代码中，my_variable是一个整型的可训练变量，初始值为0。可以根据需要指定变量的数据类型(dtype)和初始值。
需要注意的是，在tf.function修饰的方法中创建的变量会被自动跟踪并记录在计算图中，以便进行自动微分和梯度优化。因此，建议将需要在训练过程中更新的变量定义为tf.Variable对象。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云产品：云服务器CVM
- 链接：https://cloud.tencent.com/product/cvm
- 优势：提供高性能、可扩展的云服务器实例，支持多种操作系统和应用场景，具备灵活的网络配置和安全防护能力。
- 应用场景：适用于网站托管、应用程序部署、大数据分析等各种计算需求。
- 腾讯云产品：云数据库MySQL
- 链接：https://cloud.tencent.com/product/cdb_mysql
- 优势：提供高可用、可扩展的云数据库服务，支持自动备份、容灾、性能优化等功能，保障数据安全和稳定性。
- 应用场景：适用于Web应用、移动应用、游戏等各种数据存储需求。
- 腾讯云产品：人工智能机器学习平台
- 链接：https://cloud.tencent.com/product/tiia
- 优势：提供丰富的人工智能算法和模型训练平台，支持图像识别、语音识别、自然语言处理等多种应用场景。
- 应用场景：适用于图像识别、语音合成、智能客服等人工智能应用开发。
请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求进行。
相关·内容
无法在tf.function修饰方法中创建tf.Variable (虽然我应该)： @tf.function
def some_func():
x = tf.Variable([1, 2, 3]) 我得到了： /usr/local/lib/python3.8/site-packages/tensorflow/python/ops/variables.py:262 __call__ **
return cls._variable_v2_call(*args, **kwargs)
/usr/local/lib/python3.8/site-packages/tensorflow
浏览 9提问于2021-01-03得票数 0
我正在将一些TF1代码迁移到TF2。要获得完整的代码，您可以检查第155-176行.在TF1中有一条线，它得到给定损失(浮点值)和a (m，n)张量的梯度。
编辑：问题仍然存在
注意： TF2代码应该是兼容的，并且应该在tf.function中工作
g = tf.gradients(-loss, f) # loss being a float and f being a (m, n) tensor
k = -f_pol / (f + eps) # f_pol another (m, n) tensor and eps a float
k_dot_g = tf.reduce_sum(k *
浏览 2提问于2021-02-24得票数 0
我不知道tf.function是如何准确地跟踪调用其他修饰函数的函数的。在经过修饰的函数中调用经过修饰的函数与未经过修饰的函数有什么区别？
@tf.function
def x1(a,b):
return a+b
def x2(a,b):
return a+b
@tf function
def y(a,b):
return a+b+x1(a,b)+x2(a,b)
当函数y被tf.function跟踪时会发生什么？如果这是x1和x2的唯一用途，那么用@tf.function装饰x1有意义吗？
浏览 0提问于2020-05-10得票数 1
在Python2.0(目前仍是alpha版本)中，我知道您可以使用装饰器@tf.function来将纯TensorFlow代码转换为图形。每次我想要的时候，我必须把@tf.function放在每个函数的顶部吗？@tf.function是否只考虑了下面的功能块？
浏览 0提问于2019-03-14得票数 21
我使用tensorflow==1.14和tf.enable_eager_execution()构建我的模型，如下所示：
class Model:
def __init__(self):
self.embedding = tf.keras.layers.Embedding(10, 15)
self.dense = tf.keras.layers.Dense(10)
@tf.function
def inference(self, inp):
print('call function: inference')
inp_em = self
浏览 0提问于2019-08-27得票数 4
回答已采纳
我是从Tensorflow之旅开始的，那时已经到了2.0.0，所以我从未像在version1中那样使用过图形和会话。但最近遇到了tf.function和适合我的亲笔签名。(但据我所知，它只用于火车踏步)
现在，在阅读项目代码时，很多人想要构建图表时，都会在许多其他函数上使用tf.function装饰器。但我不太明白他们的意思。如何知道何时使用图形，何时不使用？
有谁可以帮我？
浏览 1提问于2020-05-05得票数 6
有人能解释一下这段代码的行为吗：
class Count:
def __init__(self):
self.count=0
def increment(self):
self.count+=1
tf.print(self.count)
class SurCount:
def __init__(self,count):
self.count=count
@tf.function
def step(self):
self.count.increment()
de
浏览 5提问于2021-10-12得票数 1
我使用用VGG16编写的tf2.0模型来训练自己的数据集。模型中包含了一些BatchNormalization层，并且在培训期间将"training"参数设置为True，在验证期间设置为False，如许多教程所述。训练期间train_loss降至一定水平，达到预期水平。
然而，val_loss的行为确实很奇怪。经过培训，我检查了模型的输出，发现如果我将training参数设置为True，输出是非常正确的，但是如果将它设置为False，则结果根本是不正确的。根据tensorflow网站的教程，当training设置为False时，该模型将使用训练期间学习到的移动统计数据的均值和方
浏览 1提问于2019-10-26得票数 2
我有一个tensorflow op，它在非XLA情况下工作，但不使用XLA。
如果op在用@tf.function(experimental_compile=True)修饰的函数中使用，那么tensorflow会产生一个错误，因为op没有使用XLA的实现。
我想要实现的解决方案是在op实现中以某种方式检测用户是否指定了@tf.function(experimental_compile=True)。
因此，如果用户没有指定这一点，那么我将使用自定义的GPU非XLA实现。另一方面，如果用户指定了这一点，我只需使用默认实现，并让XLA本身实现op融合优化。
那么，是否有人知道在op实现中是否可以检测
浏览 1提问于2021-02-22得票数 1
回答已采纳
我第一次尝试了Tensorflow 2.0。这是习语吗？
@tf.function
def add(a,b):
return a+b
if __name__=="__main__":
result=add(1.0,2.0)
print(result)
print(tf.keras.backend.get_value(result))
但是，我得到了与add函数相关的警告：
WARNING:tensorflow:Entity <function add at 0x7ff34781a2f0> could not be transfor
浏览 10提问于2020-01-03得票数 0
回答已采纳
我是坦索弗洛的新手。我想建立一个三层神经网络，
i) i在tf.function中声明了权重W，并为此抛出了以下错误：
ValueError: tf.function-decorated function tried to create variables on non-first call.
ii)，我还创建了sample_batch的字典数据，其中包含了x：Featureandy：标签，我想传递给tf.function并使用它，later.But，我不知道该如何做呢？
下面是我的代码片段：
@tf.function
def forward_pass1(batch):
p
浏览 3提问于2020-02-16得票数 0
在代码中：
@tf.function
def f(x):
print("Python execution: ", x)
out = x+5.
tf.print("Graph execution: ", x)
return out
python print仅在函数的第一次调用期间执行，即在图形创建期间执行。out=x+5.成为图表的一部分，因此每次图表运行时都会执行。我想知道当我用普通的python编写一个函数并用tf.function修饰它来绘制图形时，什么都能转换成图形(比如out = x+5)，什么不能(比如python打印)
浏览 2提问于2020-05-12得票数 2
3回答
on @tf.function说：
要获得最佳性能并使您的模型可以在任何地方部署，请使用tf.function从程序中生成图表。多亏了AutoGraph，大量的Python代码才能与tf.function协同工作，但仍然存在一些值得警惕的缺陷。
主要措施和建议如下：
不要依赖Python的副作用，如对象突变或列表附加。
tf.function最适合使用TensorFlow操作，而不是NumPy操作或NumPy原语。
当有疑问时，在y成语中使用for x。
它只提到了如何实现@tf.function注释函数，而没有提到当使用它时。
对于如何决定是否至少尝试用tf.f
浏览 0提问于2020-01-21得票数 30
这是造成问题的代码。
def cost_func(x=None, y=None):
if not x:
tf.compat.v1.disable_eager_execution()
x = tf.compat.v1.placeholder(tf.float32, shape=[None, 1])
if not y:
tf.compat.v1.disable_eager_execution()
y = tf.compat.v1.placeholder(tf.float32, shape=[None, 1])
浏览 3提问于2022-12-04得票数 0
我试着训练一个网络，从一个时代到另一个时代，我的可训练变量的形状将发生变化。所以我的训练步骤是这样的
@tf.function
def training_step(inputs: tf.Tensor,
labels: tf.Tensor,
trainables: List[tf.Tensor],
optimizer: tf.optimizers.Optimizer,
loss: Callable,
acti
浏览 4提问于2021-05-06得票数 2
回答已采纳
我想知道为什么要这样做：
@tf.function
def train(self,TargetNet,epsilon):
if len(self.experience['s']) < self.min_experiences:
return 0
ids=np.random.randint(low=0,high=len(self.replay_buffer['s']),size=self.batch_size)
states=np.asarray([self.experience['s'][i] for
浏览 2提问于2020-01-19得票数 9
回答已采纳
在TensorFlow 2.0的tf.function中，有没有tensor.numpy()的替代品？问题是，当我试图在装饰的函数中使用它时，我得到了错误消息'Tensor' object has no attribute 'numpy'，而它在外部运行时没有任何问题。 通常，我会选择像tensor.eval()这样的东西，但它只能在TF会话中使用，并且在TF2.0中不再有会话。
浏览 28提问于2019-04-09得票数 7
回答已采纳
1回答
Tf函数不改变对象的属性
class f:
v = 7
def __call__(self):
self.v = self.v + 1
@tf.function
def call(c):
tf.print(c.v) # always 7
c()
tf.print(c.v) # always 8
c = f()
call(c)
call(c)
预期印刷量:7 8 8 9
但相反:7 8 7 8
当我移除@tf.function装饰器时，所有功能都如预期的那样工作。如何使我的函数在@tf.function中按预期工作
浏览 11提问于2021-11-29得票数 1
回答已采纳
1回答
对于一些自定义代码，我需要运行一个For循环在Tensorflow 2中动态创建一个变量(启用了急切执行模式)。(在我的自定义代码中，我写入变量的值将需要渐变，因此我希望跟踪for循环中的计算，以便可以从autodiff获得渐变)。我的代码可以工作，但速度非常慢。事实上，它比在numpy中执行相同的操作慢几个数量级。 我已经隔离了问题，并提供了一个突出显示问题的玩具代码片段。修复它将允许我修复我的自定义代码。 import numpy as np
import tensorflow as tf
import timeit
N = int(1e5)
data = np.random.rand
浏览 20提问于2020-04-14得票数 1
我有Python2.0和Python3.7.5。
我编写了以下代码，用于执行小批处理梯度下降，即：
@tf.function
def train_one_step(model, mask_model, optimizer, x, y):
'''
Function to compute one step of gradient descent optimization
'''
with tf.GradientTape() as tape:
# Make predictions using define
浏览 8提问于2020-02-04得票数 1
我有由未编译的keras代码构建的模型，并试图通过自定义的培训循环来运行它们。
TF 2.0渴望(默认情况下)代码在CPU (膝上型电脑)上运行约30。当我使用包装的tf.function调用方法创建一个keras模型时，它的运行速度要慢得多，并且似乎需要很长时间才能启动，特别是“第一次”时间。
例如，在tf.function代码中，10个样本的初始训练需要40多个，而后续的10个样本需要2s。
在20个样本中，初始时间为50岁，随访时间为4s。
一个样本的第一次训练需要2s，后续工作需要200 ms。
因此，看起来火车的每一次呼叫都在创建一个新的图表，在这个图形中，复杂度随着列车数量的增加而
浏览 2提问于2019-04-16得票数 17
回答已采纳
error_giving_notebook non_problematic_notebook 可以看出，我在'error_giving_notebook‘中使用了tf.function装饰器，它抛出了一个ValueError，而相同的笔记本在'non_problematic_ notebook’中运行得很流畅，除了移除了tf.function装饰器之外没有任何变化。可能的原因是什么？
浏览 13提问于2019-10-12得票数 18
回答已采纳
我已经创建了keras函数API模型，现在我正在尝试查看它的层输出，为每一层创建子模型，每一层从原始模型的输入开始，以我选择的层结束。我不明白怎样做才是正确的，而不是
WARNING:tensorflow:11 out of the last 11 calls to
<function Model.make_predict_function.<locals>.predict_function at 0x7fb8ebc92700>
triggered tf.function retracing.
Tracing is expensive and the excessi
浏览 0提问于2020-12-06得票数 4
我是Tensorflow的新手，我在tensorflow 1.0中使用了tensorflow.placeholder()。但是是否有任何占位符的替代。
浏览 11提问于2020-01-07得票数 1
回答已采纳
我试图通过继承tf.keras.layers.Layer来构建我自己的call()层，但我并不真正理解Keras方法在做什么。我已经将我的call()方法设置为： def call(self,inputs):
print('call')
return inputs 当我运行网络时，我希望“call”被打印很多次(对于100个示例和10个时期的训练集，我希望它被打印1000次)。然而，“call”在模型构建时打印一次，然后在第一个时期打印3次，然后再也不打印。我的网络在后续的时期中没有使用这个层吗？为什么在有100个训练样本的情况下，它在第一个时代只被调用了3
浏览 173提问于2021-02-03得票数 0
1回答
我的代码是跨几个文件和函数分发的，因此在这里引用它是不实际的。我想，如果我能很好地理解急切的执行和tf.function，我可以自己解决这个问题。这里有人能帮我做以下几个问题吗？
仅在紧急执行被禁用时，@tf.function装饰器才能工作吗？，@tf.function装饰器和急切执行模式之间的关系是什么？，TensorFlow如何在内部切换急切模式和非急切模式？当我禁用急切的执行，并且我的代码中有一些错误时，我仍然会得到对文件的引用，这些文件告诉我，急切的执行可能在内部发生。
浏览 3提问于2019-10-28得票数 7
我使用的是tensorflow 2.3
下面的代码
import tensorflow as tf
y_N= tf.Variable([1., 2., 3.],name="dd")
@tf.function
def loss():
return -tf.reduce_mean(input_tensor=tf.reduce_sum(input_tensor=tf.math.log(y_N), axis=0))
@tf.function
def run():
tf.keras.optimizers.Adam(0.5).minimize(loss, var_l
浏览 3提问于2020-08-10得票数 0
1回答
我正在尝试构建一个神经网络，它可以被分成两部分，其中每一部分都可以独立运行。对keras Model类进行子类化可以很好地实现这一点，如下面的玩具模型所示：
class MyModel(tf.keras.Model):
def __init__(self):
super(MyModel, self).__init__()
self.dense1 = tf.keras.layers.Dense(5, activation=tf.nn.relu)
self.dense2 = tf.keras.layers.Dense(5, activatio
浏览 8提问于2020-06-04得票数 4
回答已采纳
我将tensorflow 2.1与自定义层一起使用，如下所示： class Mylayer(KL.layer):
def __init__(self, name):
super(Mylayer, self).__init__(name)
self.conv = KL.Conv2D(32)
def call(self, inputs):
outputs = self.conv(inputs)
np.save('outputs.npy', outputs)
return output
浏览 14提问于2020-07-17得票数 0
我正在使用TensorFlow2.0在一个用tf.function装饰的函数中运行一个简单的LSTM模型，但是它比一个没有用tf.function装饰的函数消耗更高的图形处理器内存(大约8700 as )(消耗大约2600MB)。重现问题的代码： import sys
import tensorflow as tf
tf.debugging.set_log_device_placement(True)
#GPU growth code
gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
浏览 25提问于2020-01-31得票数 0
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
您好，我正在尝试创建我的应用程序的java文档，我在java文件中完成了所有注释，但是当我从eclipse生成文档时(选择项目->项目->生成JavaDoc..)文档已正确生成，但使用了一些方法(覆盖)，如(onCreate)
/* (non-Javadoc)
* @see android.app.Activity#onCreate(android.os.Bundle)
*/
所以现在我尝试使用doxygen，它显示了类的所有方法，但没有显示变量，有人能在这方面帮助我吗?我不知道有什么问题，或者我错过了doxygenfile中的任何选项。
浏览 5提问于2012-11-01得票数 0
回答已采纳
给出下面两个示例，在tf.data.Dataset签名时是否有性能改进？
不在tf.function中的数据集
import tensorflow as tf
class MyModel(tf.keras.Model):
def call(self, inputs):
return tf.ones([1, 1]) * inputs
model = MyModel()
model2 = MyModel()
@tf.function
def train_step(data):
output = model(data)
output = mode
浏览 1提问于2019-05-08得票数 4
回答已采纳
Tensorflow 2大约需要15分钟来制作它的静态图(或者它在第一次遍历之前做的任何事情)。之后的训练时间是正常的，但显然很难在15分钟内等待任何反馈。 生成器、编码器和鉴别器是Keras模型中具有GRU单元的RNN(未展开)。 生成器解码器的定义和调用如下所示： class GeneratorDecoder(tf.keras.layers.Layer):
def __init__(self, feature_dim):
super(GeneratorDecoder, self).__init__()
self.cell = tf.keras.layers.GRUCell
浏览 27提问于2020-06-15得票数 1
回答已采纳
我正在尝试创建简单的add方法。到目前为止，我弄明白的是，当我在main函数之外创建方法时，我必须声明static，并且当我创建方法时，我不能在Main方法中使用修饰符。但我需要更精确的洞察力为什么？我的代码如下。
1.使用Static
static void Main(string[] args)
{
int a = 100;
int b = 200;
int add = Add(a, b);
int sub = Subtract(a, b);
System.Console.WriteLine(
浏览 1提问于2018-09-15得票数 1
我正在尝试加载Tf集线器模型，并使用@tf.function装饰器预测输出。它正在抛出未初始化的tensorflow.python.framework.errors_impl.FailedPreconditionError:表。错误。
TF版本- 2.1.0
TF集线器版本- 0.8.0
注意事项：它不用@tf.function装饰器就能工作
import tensorflow as tf
import tensorflow_hub as hub
image_tensor = tf.constant(2.0, shape=[1, 298, 298, 3])
@tf.function
de
浏览 2提问于2020-05-20得票数 1
回答已采纳
我想用梯度做一些线性代数(例如tf.matmul)。默认情况下，梯度作为张量列表返回，其中张量可能具有不同的形状。我的解决方案是将梯度重塑成一个单一的向量。这在急切的模式下工作，但是现在我想使用tf.function编译我的代码。在图形模式(tf.function)中，似乎没有办法编写一个可以“平缓”渐变的函数。
grad = [tf.ones((2,10)), tf.ones((3,))] # an example of what a gradient from tape.gradient can look like
# this works for flattening the gra
浏览 5提问于2022-01-17得票数 0
回答已采纳
我有一个来自tf.dataset的填充批处理，因为不是每个填充批处理的形状都是fixed.So的，所以我必须使用tf.shape方法来获得填充batch.The的动态形状问题是如何将tf.shape获取的张量形状转换为tf.function下的Python值？
@tf.function
def train_step(padded_batch):
shape = tf.shape(padded_batch)
x = np.zeros(shape[0], shape[1])
正如上面的代码，我想创建一个numpy数组，因为形状‘padded_batch，but’是一个张量，它不能直
浏览 1提问于2019-12-04得票数 4
1回答
我正在创建一个用于图像分割数据的数据加载管道。当数据加载后，它通过Albumentations通过一个增强管道。
下面是(父函数)函数的完整代码：
以下是错误的来源：
train_ds = tf.data.Dataset.zip((train_images, train_masks))
val_ds = tf.data.Dataset.zip((validation_images, validation_masks))
if augment is None:
return train_ds, val_ds
@tf.function
de
浏览 6提问于2022-09-03得票数 0
回答已采纳
我需要在类方法中计算tf.Variable梯度，但是使用这些梯度在以后的某个时候，在另一种方法中更新变量。如果不使用@tf.function装饰器，我可以这样做，但使用@tf.function时会得到TypeError: An op outside of the function building code is being passed a "Graph" tensor错误。我一直在寻找对这个错误的理解，以及如何解决它，但是我发现了不足。
如果你好奇的话，我想这么做，因为我有很多不同方程中的变量。与其试图创建一个将所有变量联系在一起的单一方程，不如更容易(降低计算成本)将它们
浏览 7提问于2021-06-11得票数 0
回答已采纳
这两个代码片段显示了使用相同的数据进行n次更新，其中一个使用持久梯度带，另一个只是反复调用它。性能差异似乎是2倍左右。有没有一种更好的方式来组织这一未来？我想在GPU上将数据移动到设备上会很重要吗？
@tf.function
def train_n_steps_same_data(tau, y, n=1):
"""
In [218]: %timeit r = q.train_n_steps_same_data(q.tau, q.y, n=100)
25.3 ms ± 926 µs per loop (mean ± std. dev. of 7 r
浏览 0提问于2019-05-21得票数 1
我没有得到一个Dataset张量，而是得到了这个，我不知道如何处理：
张量(“StatefulPartitionedCall:0”，shape=()，dtype=float64)
一切运转顺利(我认为)，但这是我得到的，当我试图打印损失。这是我正在玩的代码：
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
from sklearn.datasets import load_breast_cancer
import tensorflow as tf
from tensorflow.keras.models i
浏览 2提问于2020-04-23得票数 2
回答已采纳
我需要计算一个元素梯度作为神经网络的输入。我决定使用tf.data.Dataset来存储输入数据。预处理数据和计算梯度的代价很高，我想分批处理，然后存储数据。 我简化了函数来处理形状(batch_size, x, y)，并且我想分别计算每个y的梯度。 使用tf.GradientTape时，如下所示： import tensoflow as tf
# @tf.function
def test(inp):
with tf.GradientTape(persistent=True) as tape:
tape.watch(inp)
out = inp**
浏览 13提问于2021-01-22得票数 1
回答已采纳
2回答
我需要帮助在keras中创建自定义度量标准。我需要计算错误等于0的次数(y_pred - y_true = 0)。
我试过这个：
n_train = 1147 # Number of samples on training set
c = 0 # Variable to count
def our_metric(y_true, y_pred):
if y_true-y_pred == 0:
c += 1
return c/n_train
但我发现了一个错误：
OperatorNotAllowedInGraphError:在图形执行中不允许使用tf.Tensor作为bool。使
浏览 3提问于2019-11-07得票数 1
2回答
我们在一个类中有一个getter方法。在同一个JAR中，我们希望变量可以从相同的包和子包中以无标识符访问级别进行访问。
来自：的访问级别以下
我们的问题是，如何阻止某人使用已编译的.JAR，创建具有相同包命名空间定义的类，并能够通过getter访问我们的变量？
我们考虑去掉特定变量的所有getter方法，并在其他类传递对自身的引用时，使用setter和构造函数将变量值赋给这些类。显然，它们将是最终的课程。这样，所有需要变量值的对象都有自己的私有副本。
我想知道有没有更好的方法？
浏览 1提问于2012-09-21得票数 0
回答已采纳
继论文渐进式Gans ()之后，我实现了需要增长的keras.Model (层)。我首先初始化整个模型。但是，当进行推理时，我将只使用模型的一部分，而使用相同的trainable_variables，例如4x4然后是8x8。因此，传递给使用trainable_variables装饰的train_step的tf.function将是不同的。此方法适用于计算梯度等，但不适用于optimizer.apply_gradients。
代码看起来如下所示：
strategy = tf.distribute.MirroredStrategy()
G = Generator()
with strategy.s
浏览 4提问于2022-09-03得票数 0
我试图计算一个神经网络的输出与它的输入有关的Hessian值。为了给你一个想法，这是我试图计算的矩阵：
我正在运行Tensorflow 2.5.0，我计算M矩阵的代码如下所示：
def get_Mass_Matrix(self, q, dq):
nDof = dq.shape[1]
with tf.GradientTape(persistent = True) as t2:
t2.watch(dq)
with tf.GradientTape(persistent = True) as t1:
t1.watch(d
浏览 3提问于2021-06-24得票数 1
回答已采纳
我有一个动态输入形状的定制模型(灵活的第二维度)。
我需要用SaveModel格式保存它。但是它只保存了一个签名(第一个使用的签名)。
当我在加载后尝试使用不同的签名时-我得到了一个错误：
Python输入与input_signature不兼容
我的代码如下：
seq_len = 2
batch_size = 3
import tensorflow as tf
class CustomModule(tf.keras.Model):
def __init__(self):
super(CustomModule, self).__init__()
self.v = tf
浏览 7提问于2020-09-18得票数 1
回答已采纳
在Python2中，@tf.function装饰器允许TensorFlow函数变成TensorFlow图(或多或少)，并且可以带来一些性能改进。但是，当以这种方式装饰时，Python no longer traces the functions each time they run。这使得使用Python调试器调试函数变得更加困难。有没有一种方法可以暂时禁用所有@tf.function装饰器以方便调试？
浏览 32提问于2019-05-27得票数 6
回答已采纳
该模型构建为
class MyModel(tf.keras.Model):
def __init__(self, num_states, hidden_units, num_actions):
super(MyModel, self).__init__()
## btach_size * size_state
self.input_layer = tf.keras.layers.InputLayer(input_shape=(num_states,))
s
浏览 1提问于2020-03-15得票数 1
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
