我在Tensorflow (使用Keras)中创建了一个模型。
在伪代码中,没有过多地编写特定于数据的操作操作,大致是:
iter_count = tf.keras.layers.Dense(1)(input)
#scale iter_count between 1 and int_max
for i in tf.range(iter_count):
inputvariation = tf.concat([input, i])
box = tf.keras.layers.Dense(4)(inputvariation)
#append to Tens
我想使用keras框架构建和训练一个神经网络。我将keras配置为使用Tensorflow作为后端。在我使用keras训练了模型之后,我尝试只使用Tensorflow。我可以访问会话并获取tensorflow图。例如,我不知道如何使用tensorflow图来进行预测。
我使用以下教程构建了一个网络
在train()方法中,我只使用keras构建和训练模型,并保存keras和tensorflow模型
在eval()方法中
以下是我的代码:
from keras.models import Sequential
from keras.layers import Dense
from keras.m
我正在处理一个导入库"keras“的文件。
我使用python3.8使用#!/usr/bin/python3.8
当我在控制台中导入keras或tensorflow时,它工作得很好,但是,当我运行一个导入keras或tensorflow的文件时,它只运行一次,然后当它再次运行时,它会重复这个错误消息:
TypeError: A Message class can only inherit from Message
问题仍然存在,除非我关闭控制台,然后重新打开它。
有什么解决办法吗?
注意:当在本地运行python3.9时,代码可以工作
注意:我没有在PythonAnywhere上使用p
我想在每次完成培训后清除内存/网络。我使用了网上提出的替代方案,但如果我正确解释我的结果,它们似乎不起作用。我使用tf.compat.v1.reset_default_graph()和tf.keras.backend.clear_session(),因为它们大多是在线推荐的。 import numpy as np
import random
import tensorflow as tf
from tensorflow import keras
from tensorflow.python.keras import backend as K
upper_limit = 2
lower_
我正在尝试使用VGG16在我的数据集中生成类激活热图。我曾多次尝试使用不同的方法来执行此操作,但未能找到合适的解决方案。
库是:
# load requirements from the Keras library
# import numpy and keras preprocessing libraries
import tensorflow as tf
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras import optimizers
from tensor
我试图通过Tensorflow会话使用Keras模型。但model.predict和sess.run的结果不同。有没有办法通过Tensorflow会话来处理Kers模型?
Tensorflow版本: 1.4.0
Keras版本: 2.1.1
from sklearn.datasets.samples_generator import make_circles
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import SGD
import numpy as
我在做什么
我正在训练和使用卷积神经元网络(CNN)进行图像分类,使用Tensorflow-gpu作为后端的Keras。
我正在使用的
PyCharm社区2018.1.2
Python2.7和3.5 (但不是一次都是)
Ubuntu 16.04
Keras 2.2.0
Tensorflow-GPU 1.8.0作为后端
我想知道的
在许多代码中,我看到人们使用
from keras import backend as K
# Do some code, e.g. train and save model
K.clear_session()
或在使用后删除模型:
我需要同时训练多个Keras模型。我正在使用TensorFlow后端。问题是,当我试着同时训练两个模特时,我得到了Attempting to use uninitialized value。
这个错误并不是真正相关的,主要的问题似乎是Keras强迫在同一个会话中用相同的图创建两个模型,因此it冲突。
我是TensorFlow的新手,但我的直觉是,答案很简单:您必须为每个Keras模型创建一个不同的会话,并在他们自己的会话中对他们进行培训。有人能解释一下怎么做吗?
我真的希望能够在仍然使用Keras的同时解决这个问题,而不是用纯TensorFlow编写所有代码。任何解决办法也将不胜感激。
我对使用多个tensorflow图的理解是,如果我使用tf.Graph()创建一个图,那么tensorflow已经为我创建了两个图。一个是tensorflow在我没有上下文时设置为默认值的图,另一个是我使用tf.Graph()创建的图,当我在tf.Graph().as_default():上下文中时,它将是默认值。现在,我该如何重置我使用tf.Graph()创建的图,因为tf.reset_default_graph() cannot be used在tf.Graph().as_default():上下文中
使用Keras,我尝试使用不同的数据拆分将训练会话循环10次。然而,在每次循环之后,我的准确率会增加很多,可能是因为它不会重置,并在新的组中看到新的数据(训练的数据可能会出现在测试下一次循环中) 我希望model.fit以pr. an answer here saying it does so的身份重置它,但我无法让它重置。然后,我在循环的开头as pr. example 1 here中尝试了K.clear_session(),但它什么也不做。我可以在第一次保存一个未经训练的模型,并在循环开始时重新加载它,但这似乎是一个糟糕的方法/糟糕的实践。我能做些什么呢/我做错了吗? from tens
我是联邦学习的新手,我正试图从TensorFlow联邦开始。在编写Colab上的“图像分类联邦学习”教程时,我试图安装TensorFlow Federated,但遇到以下错误:
ERROR: tensorflow 2.5.0 requires tensorboard~=2.5, which is not installed.
ERROR: tensorflow 2.5.0 has requirement grpcio~=1.34.0, but you'll have grpcio 1.37.1 which is incompatible.
ERROR: tensorflow 2.5.0
我有一个非常简单的Keras模型,我想用TensorFlow计算不同层的梯度。我首先在Jupyter笔记本的第一个单元格中创建计算图。下面是计算图的代码:
import tensorflow as tf
import tensorflow.keras as keras
import tensorflow.keras.backend as K
import numpy as np
from tensorflow.keras.layers import Dense, Input, Layer
from tensorflow.keras.models import Model
input_tenso
Python版本3.7
Keras版本2.3.1
TensorFlow版本1.14.0
我想使用OpenCV的readNetFromTensorflow在C++中运行我的C++ Keras模型。我已经成功地将我的HDF5文件转换成了.pb,每一个问题:
但是,当我尝试运行命令时(为了便于测试,首先在python中):
net = cv.dnn.readNetFromTensorflow('tensorflow/my_model.pb')
我收到了失败:
error: (-2) Unknown layer type Shape in op decoder_stage0_upsam
我正在尝试使用Keras来运行一个Conv2D net来读取一组包含来自20bn Jester的手势图像的文件夹。我知道Conv2D可能不会工作,但我想在修改太多代码之前获得一些我以前使用过的东西来正确运行。然而,我不断地碰到 ValueError: Tensor("training/Adamax/Const:0", shape=(), dtype=int64) must be from the same graph as Tensor("Adamax/iterations:0", shape=(), dtype=resource). 而且还不够了解,不能修复
我正在尝试TensorFlow 2.0 alpha上的自定义训练,同时我试图在TensorBoard中添加一些指标和我的训练图。考虑下面的人为设计的例子
import tensorflow as tf
from tensorflow.keras.layers import Dense, Input
from tensorflow.keras.models import Model
def create_model():
inp = Input((32, ))
net = Dense(16, activation="relu")(inp)
net =