1回答
我正在使用带有Tensorflow后端的Keras。问题是，在训练过程中，我的cpu只有一个核心在被活跃地使用。self.adjacency_loss]) 当我预先训练self.discriminator时，所有的CPU核心都被使用了，但是当我用生成器互换训练它时，只使用了一个核心。
浏览 13提问于2019-02-15得票数 0
回答已采纳
最近，我正在观看对TensorFlow的介绍，在这个过程中，Keras提出了一个高级API，可以在后端使用TensorFlow或Theano。我和他们都玩过，用第一个纯TensorFlow和之后的Keras做了一个MNISTLeNet-5实现。至少在我的机器上，当我直接使用TensorFlow时，我没有看到性能有任何显著的提高。所以我现在的问题是:直接在Keras上使用TensorFlow有什么好处？也许这是一个规模
浏览 6提问于2017-09-20得票数 5
回答已采纳
3回答
核LSTM核
、、、
我试图了解LSTM单元中的权重矩阵是如何使用的。一个LSTM单元有几个权重矩阵：Wf, Wi, Wc, Wo，如下所示：📷(来自http://colah.github.io/posts/2015-08-Understanding-LSTMs/ )
同时，我正在使用Keras并研究它的源代码：https://github.com/keras-team/keras/blob
浏览 0提问于2017-12-31得票数 7
input_shape = (28, 28, 1)
l.Conv2D(32, 5, padding现在，我希望将不同op的结果分配给model.layers[0].kernel，也就是说，我希望在训练期间以一种特殊的方式形成kernel，并依赖于另一个可训练参数。
我为什么要那样？我正在试验权重聚类，权重应该从一个可训练的数组中查找。在集合操作时会进行查找。model.layers[0].kernel = tf.as
浏览 3提问于2019-09-18得票数 1
我创建了以下CNN模型： tf.keras.layers.Conv2D(16, 4, strides=4, input_shape(model.summary())
我的意思是，seperableConv2D层将创建一个单独的3x3内核，该内核将对16个3x3输入映像中的每一个单独操作，并产生16个单个数字。但是，结果是它学习了3x3x16内核，并得到了一个数字。在阅读了关于S
浏览 2提问于2022-09-21得票数 0
回答已采纳
2回答
我有一台64核的共享机器，上面有一大堆我想要运行的Keras函数。问题是，Keras似乎会自动使用所有可用的内核，而我不能这样做。我找不到任何方法来限制Keras中的内核数量...你有什么线索吗？
浏览 0提问于2017-09-26得票数 23
回答已采纳
在TensorFlow/Keras中训练神经网络进行分类时，是否可以将输出层中的偏差项设置为不可训练？ 看起来layer.trainable = False将冻结这一层中的内核和偏差。有没有可能只冻结偏差，而仍然更新内核？
浏览 129提问于2020-12-29得票数 0
1回答
我正在使用pymysql从数据库中读取数据，同时使用conda_python3内核，但是，当我想使用tensorflow/keras进行深入学习时，笔记本实例无法识别它。我试着安装keras和tensorflow库，但是在显示成功消息并重新启动内核之后，我得到了与"No模块名为'keras'"相同的旧错误。阅读与堆栈溢出相关的文章，我能够暂时解决切换到另一个内核&qu
浏览 3提问于2019-11-20得票数 1
1回答
正如标题所述，Keras (W.TensorFlow后端)与Tensorflow相比，是否规范了内核权重？例如，如果两个相同的网络分别使用Keras实现Tensorflow，内核权重会有所不同吗？
浏览 0提问于2018-03-16得票数 0
回答已采纳
我定义了一个神经网络模型： keras.layers.Flatten(input_shape = (15,)), # theinput layer keras.layers.Dense(20, activation= 'relu'), #the hidden
浏览 3提问于2022-06-07得票数 1
回答已采纳
我想部署一个带有tensorflow服务的keras模型。模型将从keras .h5模型转换为.pb文件。(原始模型来自这里)
当在这个模型上使用keras执行推理时，如果我只使用我的CPU，那么12个核心都在工作，推理平均花费0.7s。当转换模型并使用tensorflow服务时，它只使用一个核心，平均需要2.7秒。--tensorflow_intra_op_parallelism和--tensor
浏览 27提问于2019-10-25得票数 2
回答已采纳
1回答
下面是使用Keras添加的卷积层的典型示例 , kernel_size[1], input_shape=(1, 28, 28)))
这里filters基本上是该层拥有的内核数量。Keras如何决定它必须放入的内核类型，比如高斯内核？(使用TensorFlow后端)
浏览 2提问于2017-08-12得票数 0
来自https://www.tensorflow.org/api_docs/python/tf/keras/layers/Dense (*备注部分) 对于(batch_size，d0，d1)的输入，为什么每个子张量(1，1，d1)使用相同的(d1，单位)核？
浏览 19提问于2020-07-03得票数 1
回答已采纳
我想出了以下代码： model = tf.keras.models.Sequential() model.add(tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(256, return_sequences(pool_size=2, padding = 'valid
浏览 3提问于2022-04-04得票数 1
回答已采纳
1回答
我想知道Keras中是否有一个内核初始化器，可以用随机值初始化内核，除了左下角的值被初始化为零之外。我想在add_weights方法中的自定义Keras层中使用它。或者是一个可靠的TensorFlow操作？谢谢!
浏览 9提问于2019-04-16得票数 0
1回答
我已经编写了一个自定义keras层，基本上设置了一个如下所示的内核作为示例： [[w1, 0, 0], [0, w4, w5]] 其中w1、...w5是可训练的权重，现在，我想确认一切是否正常工作(即，内核在训练后是否仍然有零条目)。我没有找到，如何在训练后打印内核。.get_weights()方法只获取权重，但我想显式地打印内核。 提前谢谢你
浏览 37提问于2019-01-17得票数 2
我运行的是木星笔记本，出现了以下错误
追踪(最近的电话)在->从keras.layers导入(ModuleNotFoundError:没有名为“keras”的模块
['/home/xxx/notebook
浏览 10提问于2019-06-18得票数 10
我在使用TensorFlow的急切处决。 global_step = tf.train.get_or_create_global_step()
tf.keras.layers.Dense(2, activation=t
浏览 0提问于2018-10-19得票数 0
回答已采纳
我试图使用Dataset API设置一个简单的NN，但遇到了一个错误。x = tf.keras.layers.Dense(128, activation='relu')(_input) } return m
浏览 2提问于2020-11-17得票数 0
我使用Keras在tensorflow上运行一个大型模型，在训练结束时，jupyter笔记本内核停止，在命令行中，我有以下错误：
是否有一个很好的例子说明如何使用Keras中的所有GPU？在Keras中，似乎可以改变gpu_options.allow_gr
浏览 3提问于2017-08-07得票数 0
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
