我一直在尝试使用colab提供的TPU，因为它应该很快，但似乎无法做到这一点。我使用的是tensorflow 2.4.1。我一直在尝试跟踪这个https://www.tensorflow.org/guide/tpu，但是没有成功。usp=sharing %tensorflow_version 2.x
from __future__ import absolute_import, division, print_function,clf.fit(X,Y, batch_
浏览 24提问于2021-05-04得票数 0
回答已采纳
他们在Tensorflow 2.0中为许多架构提供了预先训练的模型。我想在TPU上使用这些模型进行预测。由于TensorFlow2.0的TPU API仍处于实验阶段，因此我想在TensorFlow1.x中实现它 有没有办法将预先训练好的模型从TensorFlow2.0转换到TensorFlow1.x，反之亦然TensorFlow2.0的TPUE API描述如下：h
浏览 31提问于2019-10-01得票数 0
回答已采纳
1回答
我正在尝试修改一个tensorflow项目，使其与TPU兼容。这里下载COCO数据集，并首先使用InceptionV3模型提取其特征。我想修改这段代码，使其支持TPU。在TPU策略范围内，我使用keras库创建了InceptionV3模型，并按照现有代码使用ImageNet权重加载模型。现在，由于TPU需要将数据存储在Google Cloud存储上，在链接
浏览 3提问于2020-08-02得票数 1
1回答
对于Tensorflow来说，我是完全陌生的，我创建了一个对象检测模型(.pb和.pbtxt)，它使用我在TensorFlow动物园发现的'faster_rcnn_inception_v2_coco_2018_01_28‘模型。它的工作很好的窗口，但我想使用这种模式谷歌珊瑚边缘TPU。如何将冻结的模型转换为edgetpu.tflite量化模型？
浏览 2提问于2020-06-24得票数 0
回答已采纳
我已经在谷歌Colab上为cifar10数据集建立了一个残差神经网络模型，但它在TPU硬件上运行非常慢。 我有另一个常规的卷积神经网络，它在google colab上运行良好。此模型使用keras Sequential API，而残差神经网络使用Functional API，不确定这是否是问题所在。我已经尝试更改批处理大小，但没有任何帮助。下面是我的程序的链接。
浏览 41提问于2019-06-15得票数 0
1回答
我试图找出在TensorFlow中(在单机执行环境中)运行多个经过预先训练的模型以进行推理的最佳方法。我读过几个关于这方面的问题，但我还是有点困惑。据我所知，我也可以这样做：
据我所知，当TensorFlow与GPU一起使用时，使用它是有好处的，因为它
浏览 5提问于2017-11-27得票数 2
1回答
我正在使用Nvidia Tesla P100上的tensorflow 对象检测模型来提取边界框和关键点，用于检测视频中的人。使用来自tensorflow.org的预训练，我能够处理大约16帧每秒.有没有办法提高这个模型的评估速度？以下是我一直在研究的一些想法：
最初试图转
浏览 0提问于2020-11-04得票数 5
我正试着用TPU在google colab上做一些基本的字符分类。shutil, pprintimport numpy as npimport tensorflowas tffrom tensorflow.python.platform import tf_loggingprint(&
浏览 0提问于2019-07-27得票数 5
tpu_model.predict(states)请注意，我使用相同的tpu_model进行批量预测和训练。tpu_model.predict()似乎工作得很好，但是当它运行tpu_model.fit(...)时，它会抛出以下错误：
WARNING:tensorflow:tpu_model (from tensorflow.contrib.tpu.python.
浏览 5提问于2019-01-27得票数 0
2回答
我正在使用Google TPU来训练一个简单的Keras模型。删除分布式策略并在CPU上运行相同的程序比TPU快得多。那件事怎么可能？import timeitimport tensorflow as tffrom sklearn.model_selectionimport train_test_splitfr
浏览 9提问于2019-12-10得票数 4
/tensorflow_core/python/tpu/tpu_feed.py", line 494, in generate_dequeue_op File "/usr/local/lib/python3.6/dist-packages/tensorflow_co
浏览 1提问于2019-11-12得票数 1
我使用Talos和Google TPU来运行Keras模型的超参数调优。请注意，我使用的是Tensorflow 2.0.0和Keras2.2.4-TF。import tensorflow as tffrom tensorflow.keras.models import Sequential
from tensorflow.keras.layersmodel=iris_model, params=p, fraction_limit=0.1, expe
浏览 6提问于2019-11-29得票数 0
回答已采纳
我刚刚将一个现有的项目从Tf1.14转换为TF2.1，它使用了TPUEstimator API。在进行转换之后，本地测试(即use_tpu=False)成功运行。())
File "/usr/local/lib/python3.6/site-packages/tensorflow_estimator/python/estimator/tpu/error_handling.py
浏览 4提问于2020-06-08得票数 2
如果我想使用python tensorflow函数在张量数据上执行一些实验来复制TFLite模型中的层，我该怎么做呢？使用tensorflow lite转换器和优化命令将模型- tf resnet50转换为tflite
浏览 4提问于2021-05-07得票数 0
有没有办法convert data-00000-of-00001到Tensorflow Lite模型？
浏览 5提问于2020-06-10得票数 1
我正在做一些辅助项目，涉及到将ML模型部署到边缘。其中一个是照片编辑应用程序，其中包括用于面部识别、物体检测、分类和风格转移的CNN应用程序。一旦我有了一个准确的训练有素的模型，它在我正在测试的一个或多个移动设备(通常是低端的Android)上会变得非常慢。我读到有一些优化可以提高模型的速度，但我不知道怎么做。有没有一个标准的工具来优化移动/边缘的模型？
浏览 3提问于2019-05-17得票数 0
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。
浏览 6提问于2018-07-21得票数 59
回答已采纳
我是TensorFlow的乞丐，我对如何在google中部署我的代码有一些疑问。import tensorflow as tf, sys
image_path = sys.argv[1]
# Read in
浏览 0提问于2017-02-21得票数 1
回答已采纳
所以现在有一个很大的更新，从TensorFlow 1.X转移到2.X。我的第一印象是，我需要将我的tf.keras模型转
浏览 15提问于2019-11-08得票数 9
2回答
我有一个TensorFlow Lite模型和一个Coral板，我想对开发委员会的TPU进行推断。在开发板上(有和不带实验委托)的推理时间为32s；在我的台式机上，如果在CPU上运行TFLite模型，同一测试集的推理时间为10s；在转换为TFLite之前，如果在Keras中运行相同的模型，则为1.3s我的问题是:如何在开发委员会的TPU上而不是CPU上进行推断？我想知道在将TFLite格式转换为with tf.devi
浏览 6提问于2020-03-20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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
