1回答
我是Tensorflow的新手，我不明白为什么输入占位符经常与用于训练的批次的大小一起标注。在本例中，我找到了，而在官方的Mnist教程中没有mnist = read_data_sets("MNIST_data/", one_hot=True)se
浏览 3提问于2017-01-22得票数 4
回答已采纳
1回答
更快的RCNN RPN的输入大小是多少？我使用了Tensorflow的对象检测API，它使用更快的RCNN作为区域建议网络( RPN )和Inception作为特征提取器(根据配置文件)。API在预测阶段采用在线方法，对每一输入图像进行单点检测。但是，我现在正尝试使用Tensorflow dataset API，以批处理的方式向网络提供图像。正如您所知道的，为了使
浏览 0提问于2018-11-20得票数 0
回答已采纳
当我像这样定义一个模型时： import tensorflow as tfimport numpy as np
prediction =
浏览 10提问于2021-04-29得票数 0
回答已采纳
在使用Trigger.Once结构化流和处理卡夫卡输入时 - and KAFKA is being
浏览 4提问于2022-02-25得票数 1
考虑到神经网络中每个层的批处理维度似乎有点麻烦。为什么我们在Tensorflow中没有一些可以为整个模型设置批处理大小的功能？
浏览 3提问于2016-07-08得票数 3
我想知道是否有任何实质性的缺点(例如，关于计算效率，内存.)在为可变大小的输入(相对于固定大小的输入)创建TensorFlow占位符时？比方说，我正在进行小型批处理学习，并使用占位符初始化图形，在该占位符中，我预先假定了一个固定的batch_size：
tf.placeholder(..., shape=[batch_size, ...或者，我可以初始化占位符变量，以便它接受可变大小</em
浏览 4提问于2017-03-02得票数 9
回答已采纳
1回答
我想训练一个用于gpr调查的自动编码器。输入数据维度是149x8。但是，当我尝试深度自动编码器时，它工作得很好 input_img = Input(shape=(8,))
x = layers.Conv2D(16, (3, 3), activation='relu', padding='
浏览 24提问于2021-11-06得票数 1
1回答
我用tensorflow训练了一个神经网络。在训练时，我显式地定义了批处理大小为20的输入占位符的形状，如下面的[20,224,224,3]。我显式地定义了批处理大小，因为它是网络中的一个split层，将None作为批处理大小传递会抛出错误。有没有办法可以在推断时更改输入占位符的形状，以便我可以在单个图像上进行推断？
浏览 4提问于2017-08-10得票数 2
回答已采纳
我有一个关于变压器自我注意层的问题。在处理小批中不同长度的序列时，我们使用pad序列，使批处理中的所有序列都具有相同的长度。假设数据集中的大多数序列都是<500个元素长，但是有一些非常长的序列可以是1000s的元素长。如果我想在不截断的情况下处理那些非常长的序列，那么即使输入批次不包含任何长序列，多头自我关注层的大
浏览 0提问于2022-09-08得票数 0
回答已采纳
我使用的是带有--enable-batching=true的GPU上的tensorflow。
gRPC调用返回代码:3:任务大小158大于最大<em
浏览 1提问于2018-11-02得票数 1
2回答
我使用一个简单的Keras模型来进行序列预测。在训练过程中，模型的预测精度似乎是正确的。但是，当我绘制model.predict()函数的输出时，我可以看到输出已经以某种方式被缩放了。它似乎是某种规范化/标准化的缩放类型。
在培训中更改批处理大小会影响结果。我尝试将批处理大小设置为输入集的</
浏览 3提问于2017-05-21得票数 1
回答已采纳
2回答
我正在尝试开发一个自动编码器的声音，有一个在0.05秒和30秒之间的可变长度。我想知道是否有可能创建一个简单的自动编码器，考虑到这个可变长度作为输入，或者我应该做一些输入之前的预处理。
浏览 2提问于2021-04-18得票数 1
有时建议在网络创建期间将批处理大小设置为无，这样它就不会绑定到任何特定的批处理大小。我的问题是，在tensorflow中是否有任何惩罚，让一个维度(批量大小，但也可以是一些特殊网络的输入宽度或高度)在评估之前未知？让网络提前知道批量大小有什么好处吗？
浏览 2提问于2017-04-22得票数 2
我正在Keras中实现一个自定义层。如果打印传递给call方法的输入的形状，将None作为第一个元素。为什么会这样呢？第一个元素不应该是批处理大小吗？当我调用model.fit时，我传递的是批大小model.fit(x_train, y_train, ..., batch_size=batch_size)
那么，call在call方法中获得批处理大小的</e
浏览 0提问于2019-04-28得票数 9
回答已采纳
我正在建造我自己的CNN
number_neuron_output的卷积层，number_neuron_1st完全连接层。我想要做的是自动获取width_feature映射、height_feature映射、map*number_feature映射，这样就可
浏览 5提问于2017-04-11得票数 0
每个梯度更新的样本数。如果未指定，batch_size将默认为32。steps_per_epoch:整数还是零。在声明一个时代完成并开始下一个阶段之前，步骤总数(批样本)。当使用输入张量(如TensorFlow数据张量)进行训练时，默认值不等于数据集中的样本数除以批处理大小，如果无法确定，则为1。
我知道这两个参数在某种程度上是等价的。但是，在我的膝上型计算机上(使用带有2GB VRAM的GeForce 940 M显卡并训练ci
浏览 1提问于2018-05-10得票数 2
回答已采纳
我试着从孩子们的挑战中分割出图像。我在这两个存储库的组合中使用U-net：
然后,
这是形状test_x：(500,240,240这是形状批
浏览 0提问于2018-05-27得票数 0
回答已采纳
1回答
我是CNN的新手，我有一个关于CNN的问题。我对CNN的输入形状(特别是Keras)有点困惑。我的数据是不同时隙的2D数据(比方说10X10)。因此，我有3D数据。我将把这些数据输入到我的模型中，以预测即将到来的时间段。因此，我将有一定数量的时隙用于预测(假设10个时隙，到目前为止，我可能有10X10X10数据)。现在，我的问题是，我必须将这些数据作为具有10个通道的</e
浏览 10提问于2020-02-11得票数 4
回答已采纳
我目前正在运行一个用于图像识别的Tensorflow convnet，并且我正在考虑购买新的GPU来支持更复杂的图形、批处理大小和输入尺寸。我读过像这样的帖子，它们不建议使用AWS实例来训练凸网，但是更多的意见总是受到欢迎的。
我已经阅读了Tensorflow的指南，而且图形似乎是在GPU上复制的。我想知道这是在Tensorflow convnet中使用并行GPU
浏览 4提问于2017-06-22得票数 0
回答已采纳
我已经使用重新训练图像-再训练示例训练了一个tensorflow模型：import numpy as npimport globmodelFullPath = 'output_graph.pb'
"if i % 100 == 0:
print(str(i) +' of a total of
浏览 0提问于2016-11-29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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
