TensorFlow图形处理器时代优化？
TensorFlow图形处理器时代优化是指在使用TensorFlow进行深度学习模型训练和推理时，利用图形处理器（GPU）进行加速和优化的技术和方法。
TensorFlow是一个开源的机器学习框架，广泛应用于深度学习领域。在深度学习模型的训练和推理过程中，大量的矩阵运算和张量操作需要进行，这些操作可以高效地在图形处理器上并行执行，从而提升计算速度和效率。
优势：
- 高性能计算：图形处理器具有大规模并行计算的能力，可以同时处理多个数据并行计算任务，加速深度学习模型的训练和推理过程。
- 并行加速：图形处理器可以同时执行大量的浮点运算，充分利用硬件资源，提高计算效率。
- 灵活性：TensorFlow支持在不同的图形处理器上进行优化，包括NVIDIA的CUDA和AMD的ROCm等，可以根据实际需求选择适合的硬件平台。
- 生态系统支持：TensorFlow拥有庞大的开发者社区和丰富的生态系统，提供了许多与图形处理器相关的优化工具、库和算法，方便开发者进行模型优化和性能调优。
应用场景：
- 计算机视觉：图像分类、目标检测、图像分割等计算密集型任务可以通过TensorFlow和图形处理器的结合进行加速。
- 自然语言处理：文本分类、机器翻译、语音识别等自然语言处理任务也可以受益于TensorFlow和图形处理器的优化。
- 推荐系统：基于深度学习的推荐系统需要处理大规模的用户和物品数据，使用图形处理器可以加速模型训练和推理过程。
- 强化学习：在强化学习中，通过与环境的交互进行模型训练，图形处理器可以提供高性能的计算能力，加速强化学习算法的收敛速度。
推荐的腾讯云相关产品：
腾讯云提供了一系列与深度学习和图形处理器相关的产品和服务，以下是其中几个推荐的产品：
- GPU云服务器：腾讯云提供了多种配置的GPU云服务器，搭载高性能的NVIDIA GPU，适用于深度学习模型的训练和推理。 链接：https://cloud.tencent.com/product/cvm
- 弹性AI引擎：腾讯云的弹性AI引擎（Elastic AI Engine）是一种基于GPU的弹性计算服务，提供了高性能的深度学习推理能力。 链接：https://cloud.tencent.com/product/eai
- 深度学习平台：腾讯云提供了基于TensorFlow的深度学习平台，提供了丰富的深度学习工具和算法库，方便开发者进行模型训练和优化。 链接：https://cloud.tencent.com/product/tfplatform
请注意，以上推荐的产品和链接仅供参考，具体选择需要根据实际需求和情况进行评估和决策。
相关·内容
1回答
我正在使用tensorflow训练一个拥有超过200k数据的RNN，每个时期的训练过程需要2个小时。我使用自定义回调和这个函数保存了每个时期的模型：model.save_weights() 我可以停止训练，然后像这样从上一个纪元恢复训练吗？这对结果有影响吗？model.load_wieghts(last_epoch_dir) model.fit()
浏览 16提问于2020-04-29得票数 0
回答已采纳
1回答
安装和使用Tensorflow
、、、、
开始学习tensorflow时，我真的很兴奋。但就像其他任何python库一样，我必须先安装它。因此，我在命令提示符中键入了以下pip命令：
pip install tensorflow
但当我这样做时，我得到了以下错误：
ERROR: Could not find a version that satisfies the requirement tensorflow
ERROR: No matching distributions found for tensorflow
但是当我搜索它时，我发现一些网站说tensorflow需要GPU，还有一些网站说我们不需要GPU来使用tensorflo
浏览 0提问于2021-03-19得票数 0
我在Macbook(arm64，M1芯片)上使用Tensorflow 2.4.0，在我想检查M1芯片中的图形处理器是否可以被Tensorflow使用后，我得到了这个输出：
我的代码：
import tensorflow as tf
print(tf.test.gpu_device_name())
print(tf.config.list_physical_devices('GPU'))
输出：
[]
看起来我的GPU不可用。我应该如何使用我的图形处理器在M1上加速训练？
浏览 5提问于2021-01-17得票数 4
如果我买了一台集成了英特尔®超高清显卡620的Thinkpad，并在它下面安装了Ubuntu Linux和TensorFlow。然后，稍后我在Nvidia GPU上添加了eGPU。我应该在笔记本电脑上安装TensorFlow的图形处理器版本还是非图形处理器版本，或者两者都安装？
浏览 13提问于2018-08-16得票数 2
1回答
我在用角星训练我的模特。当我比较GPU和CPU的性能时。CPU版本比GPU版本快得多。
我如何修正下面的这些错误？
我试图强迫tensorflow到GPU，我得到了以下错误：
tensorflow.python.framework.errors_impl.InvalidArgumentError: Cannot assign a device to node 'gradients/simple_rnn_1/while/Select_1_grad/Select/f_acc':
Could not satisfy explicit device specification
浏览 1提问于2017-05-03得票数 6
1回答
我正在寻找一些澄清编译标志选项时，使用TensorFlow与NVIDIA在Ubuntu18.04。我将TensorFlow用于Python (用于培训)和调用C++ (用于在生产中执行)。
自从Ubuntu18.04和GCC一起出品7.x以来，我不得不使用CUDA 9.2，所以我不能使用谷歌提供的TensorFlow预编译的二进制文件(这些二进制文件目前只使用不符合GCC 7.x的CUDA 9.0 )。因此，我必须从源代码编译TensorFlow，以便与Python和C++一起使用。
目前，我正在使用以下编译标志：
Python编译：
bazel build --config=opt \
浏览 1提问于2018-10-24得票数 3
回答已采纳
我在读，它指定了如何使用tensorflow运行水波模拟。我的理解是tensorflow变量和占位符被用来代替一般的python变量，但是使用tensorflow比仅仅使用numpy有什么特殊的(即性能)优势吗？
浏览 1提问于2017-03-19得票数 3
看看这个例子，我尝试用我的图形处理器来乘以两个tf.int32矩阵。
import tensorflow as tf
matrix1 = tf.constant([[3,3]])
matrix2 = tf.constant([[2],[2]])
with tf.device("/gpu:0"):
product = tf.matmul(matrix1,matrix2)
with tf.Session() as sess:
result = sess.run(product)
print(result)
它与上的示例类似
我得到了输出：
...
I t
浏览 3提问于2016-08-29得票数 0
回答已采纳
1回答
为了快速推断冻结的Tensorflow图(.pb)，我目前使用的是Tensorflow的CPU。推理速度已经相当不错了，但是(与英特尔的OpenVINO这样的CPU专用工具相比)到目前为止，我还没有可能在运行之前以某种方式优化图形。我对任何一种合适的优化都感兴趣：-特定于设备的优化-特定于CPU的优化-特定于图的优化(融合操作，丢弃节点，...) - ...以及其他一切降低推理所需的时间。
因此，我正在寻找一种在训练后和执行之前优化图形的方法。如前所述，像英特尔的OpenVINO (用于CPU)和NVIDIA的TensorRT (用于GPU)这样的工具就可以做到这一点。我也在使用OpenVIN
浏览 4提问于2019-05-23得票数 1
在Tensorflow Lite的官方网站上，他们展示了对安卓和iOS的图形处理器加速的支持，但他们并没有提到对树莓派的支持。
浏览 0提问于2020-06-05得票数 4
我正在编写训练相对较大的RNN (128单元LSTM和一些附加层)的代码。主要的进程是在CPU上最大限度地使用内核，我想知道这是否正常，或者我是否可以优化它。在训练循环(session.run调用)中，它使用大约60-70%的GPU负载，而在一个内核上使用100%的CPU负载。请注意，数据采样工作已经在其他内核上并行完成，因此这只是模型参数的更新。这对于TensorFlow中的这类应用程序来说是正常的吗?或者当使用图形处理器的全部容量时，CPU负载应该低得多？
浏览 20提问于2017-03-17得票数 1
2回答
在tf.device()的帮助下，我一直在我的图形处理器上使用tensorflow训练一个模型，直到现在它都工作得很好。我正在用Keras制作另一个神经网络模型，在使用model.fit时，它给了我一个面向对象的错误。
有人能指导我如何解决这个问题吗？
浏览 31提问于2020-02-13得票数 0
1回答
这是一个基于的简单模型体系结构。数据集将如下所示，尽管在10个维度中：
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.models import Sequential
from tensorflow.keras import layers, optimizers
from sklearn.datasets import make_blobs
def pre_processing(inputs, targets):
inputs = tf.cast(inputs, tf.flo
浏览 0提问于2020-04-10得票数 0
回答已采纳
1回答
我使用Nvidia Digits Box和图形处理器(Nvidia GeForce GTX Titan X)和Tensorflow 0.6来训练神经网络，一切都正常。但是，当我使用nvidia-smi -l 1检查Volatile GPU Util时，我注意到它只有6%，而且我认为大部分计算都在CPU上，因为我注意到运行Tensorflow的进程有大约90%的CPU使用率。结果是训练过程非常慢。我想知道是否有方法可以充分利用GPU而不是CPU来加快培训过程。谢谢!
浏览 0提问于2016-04-30得票数 0
我正在使用Tensorflow对象检测API项目()处理Mask R CNN模型。我坚持使用r1.12.0发行版(但这不是必须的，但我不认为它会影响我的问题)。我的计划是修改模型的一些“静态”部分，并再次将其导出为冻结的图形格式。
作为第一步，我打算使用export_inference_graph.py脚本()从检查点文件和pipeline.config重新生成冻结的图形。我下载了inception V2模型()并使用Tensorflow 1.12.0执行脚本。它完成这项工作并创建一个冻结的图形。
问题是，如果我将原始冻结图与生成的图进行比较，它们是不同的。如果我使用Tensorboard来可
浏览 3提问于2019-03-15得票数 0
我使用tfx正式文档中的方法在docker文件中编译tfx发展。操作系统是MacOS，英特尔CPU。
下面是它的码头构建代码
#!/bin/bash
USER=$1
TAG=$2
TF_SERVING_VERSION_GIT_BRANCH="2.4.1"
git clone --branch="${TF_SERVING_VERSION_GIT_BRANCH}" https://github.com/tensorflow/serving
TF_SERVING_BUILD_OPTIONS="--copt=-mavx --local_ram_resou
浏览 4提问于2021-05-12得票数 0
Ubuntu18.04，nvidia mx150，cuda10.1，tensorflow同时使用$ pip install tensorflow和$ pip install tensorflow-gpu安装。问题是它无法检测到GPU，但当尝试使用pytorch时，它可以检测到。似乎找不到问题所在。提前谢谢。
编辑1-我已经将CUDA_VISIBLE_DEVICES设置为0，我可以手动检测图形处理器，但tensorflow不能，我还没有尝试源构建选项。
浏览 0提问于2020-12-01得票数 2
假设我们没有任何GPUs。我们有一台机器，它有一个CPU和N核。我想在CPU上训练一个神经网络，并希望尽可能多地利用CPU。
我知道我可以设置inter_op_parallelism_threads和intra_op_parallelism_threads变量来控制Tensorflow中的并行性。但是我想知道默认情况下，Tensorflow是如何处理跨CPU内核的并行性的？
我最初的猜测是，默认情况下，是，Tensorflow将所有的CPU核看作一个设备，并使用它们在使用Eigen库的所有核中同时运行一个单个操作，而且我们没有任何inter_op并行性(这意味着并行运行mutli操作)。
我知
浏览 5提问于2019-11-05得票数 0
我想在CPU上运行推理；尽管我的机器有GPU。我想知道是否有可能强制TensorFlow使用中央处理器而不是图形处理器？
默认情况下，TensorFlow会自动使用GPU进行推理，但由于我的GPU不好(OOM‘’ed)，我想知道是否有设置强制Tensorflow使用CPU进行推理？
为了进行推断，我使用：
tf.contrib.predictor.from_saved_model("PATH")
浏览 0提问于2020-07-11得票数 1
1回答
我正在训练一个神经模型，使用keras和tensorflow作为后端。日志文件以以下消息开头： nohup: ignoring input
2019-02-12 17:44:29.414526: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 AVX512F FMA
2019-02-12 17:44:30.191565: I tensorflow/core/c
浏览 26提问于2019-02-13得票数 3
使用Tensorflow CIFAR CNN demonstration，我验证了我的TF是否正确地使用了我的图形处理器。TF使用图形处理器运行model.fit()，它在HWiNFO64中看到了大约50%的使用率。但是，如果我随后将此单元格添加到notebook中，该notebook使用模型来预测测试集中图像的标签： import numpy as np
for img in test_images:
prediction = model.predict(np.expand_dims(img, axis=0)) # Here
print(class_names[np.arg
浏览 100提问于2020-10-26得票数 3
回答已采纳
我们的GPU处于独占模式。有时一些用户可能会手动登录一台机器并窃取一个GPU。
如何在TensorFlow脚本中GPU初始化失败时引发异常？我注意到，当TensorFlow无法初始化图形处理器时，它会打印出一条错误消息，但会在中央处理器上运行。我想停止它，而不是在CPU上运行。
浏览 3提问于2018-03-26得票数 1
1回答
我正在训练一个自定义的短网络，使用Keras (2.1.6)和Tensorflow (1.4.0)作为后端。在训练时，我使用tensorboard回调作为：
tensorboard = keras.callbacks.TensorBoard(
log_dir=OUTPUT_PATH,
histogram_freq=EPOCH_STEPS,
batch_size=BATCH_SIZE,
write_grads=True)
这会产生预期的结果，但当我查看TensorBoard上的梯度分布时，我在图形上看到了奇怪的东西，它们在histogram_freq变量的相同步骤
浏览 0提问于2018-04-27得票数 0
我正在用Tensorflow Core构建一个堆叠的卷积自动编码器(没有纯Tensorflow的API )。我想在编码器和解码器之间添加不可训练的层。有人知道如何在tensorflow图中添加不可训练的层吗？张力板图形图片是附加的，出现在蓝色标记框中的操作是我想要使其不可训练的操作，或者可以说我不想在它们上进行梯度计算。TF版本: 1.15我尝试过tf.stop_gradient()方法，但是这个方法阻止了之前所有输入的贡献。
浏览 0提问于2019-11-25得票数 0
我正在使用python3.9，tensorflow 2.7.0和一个改版的Mask )。我正在使用tensorflow .keras并专门导入
import tensorflow as tf
from tensorflow.python import keras
from tensorflow.python.keras import backend as K
from tensorflow.python.keras import layers as KL
from tensorflow.python.keras import utils as KU
from tensorflow.pytho
浏览 13提问于2022-04-27得票数 1
我的MacBook专业版没有NVIDIA图形处理器。所以不可能运行CUDA。我想知道哪些早期版本的TensorFlow支持Mac的图形处理器？那么我如何在Anaconda上安装呢？
浏览 2提问于2017-09-22得票数 3
为了让我的问题更具体，根据评论，哪些模型参数在不同的时期都在变化？起始权重？
我在这里回顾这个Tensorflow教程：
随着模型的训练，我看到有5个时期，每个时期都有不同的精度。但我不确定每个时代都在改变什么，也不确定最终的模型是如何根据这些时代确定的。以下是模型创建和训练的代码片段。
model = tf.keras.models.Sequential([tf.keras.layers.Flatten(),
tf.keras.layers.Dense(128, activation=tf.nn.relu),
浏览 0提问于2020-01-08得票数 0
1回答
我的操作系统是Ubuntu18.04，图形处理器是GTX850M。我使用的是nvidia驱动程序430.50、CUDA 10.1、CuDNN 9.0和tensorflow-gpu 1.14.0。当我尝试在tensorflow中获取可用的设备时
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
我要把这个拿出来
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
loc
浏览 3提问于2020-04-15得票数 1
我正在用我的数据在tensorflow中为alexnet和googlenet寻找一个现成的multigpu算法。我找到了很多基准测试代码，比如convnet bench，。但没有什么能满足我的上述需求。例如，在caffe的情况下，我只需运行
caffe train --solver=googlenet.prototxt --gpu=0,1,2,3,4,5,6,7
类似地，对于CNTK，我运行
mpiexec -n <#workers> python AlexNet_ImageNet_Distributed.py -datadir myimages/
MXNet还为运行alexnet
浏览 1提问于2017-04-18得票数 0
我浏览了Tensorflow代码，几次偶然发现了OpenCL关键字。TensorFlow 1.3现在可以与非Nvidia图形处理器一起使用吗？有人试过吗？在文档中还没有提到这个主题。问:如果这是可能的，如何实现？你能指导我到必要的步骤吗？
浏览 14提问于2017-08-03得票数 2
我正在阅读tensorflow代码，并遇到了这个答案
非常想知道细节？
浏览 1提问于2018-01-18得票数 2
有没有办法防止为MXNet分配全部的GPU内存？因此它只分配它需要的内存，而不是整个GPU内存。 我想在与MXNet相同的图形处理器上使用Tensorflow/ MXNet中的另一个模型，似乎整个内存都被GPU保留了。
浏览 10提问于2019-02-21得票数 2
回答已采纳
我已经安装了tensorflow-gpu包，以及在GPU上运行tensorflow的所有要求。
现在我想测试它，所以我从图像再培训教程()下载了retrain.py脚本，并用我自己的图像运行它(一个文件夹中的马，汽车飞机和文件夹“未知”中的更多)，但它不能在图形处理器上运行(0%使用率)，只能在中央处理器上运行(7%使用率)
图形处理器: Nvidia GeForce GTX1060 6 6GB，驱动版本: 390.59，Cuda版本: 9.0.176
CPU: Ryzen 7 1700x
操作系统: Ubuntu Server 18.04
浏览 39提问于2018-05-29得票数 0
我的图形处理器型号是英伟达GeForce GT 635M，在英伟达网站上，据说这款图形处理器支持CUDA。我可以使用TensorFlow或PyTorch或任何其他类型的深度学习平台与此图形处理器或它不适合？
浏览 5提问于2018-02-03得票数 0
我正在比较TensorFlow 2和NumPy中矩阵矩阵产品的单线程性能。分别对单精度(float32)和双精度(float64)进行了比较。我发现，NumPy性能几乎等同于用于单精度和双精度(DGEMM和SGEMM)的Intel MKL C++实现(用作矩阵乘法的基准)。但在TensorFlow中，只有单精度(float32)性能与MKL等效，而双精度(float64)性能则明显较慢。为什么当使用双精度数据时Tensorflow慢一些？
示例脚本：
我认为下面的例子重现了我的观察。考虑矩阵乘法：
C = AB，其中A和B大小为3000x3000
TensorFlow2和NumPy代码
浏览 9提问于2022-01-16得票数 1
回答已采纳
经过多次尝试，即使我做了所有在这个链接上写的东西，我也无法使用我的图形处理器。我尝试了很多版本的Cuda(11.0，11.1，最后一个是10.1)，但是TensorFlow没有检测到GPU(Geforce Gtx1050ti)。
import tensorflow as tf
tf.test.is_built_with_cuda()
返回True。
tf.test.is_gpu_available(cuda_only=False, min_cuda_compute_capability=None)
输出：
2020-10-07 20:14:11.242732: I tensorflow/str
浏览 3提问于2020-10-08得票数 0
我已经安装了tensorflow-gpu来在图形处理器上训练我的模型，并从下面确认了安装。 import tensorflow as tf
tf.config.list_physical_devices()
#[PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU'),
# PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')] 我开始训练一个图像分类模型，我希望它在GPU上自动运
浏览 51提问于2021-08-13得票数 1
回答已采纳
当我用flow_from_directory用tensorflow加载的数据训练我的模型时，我意外地从我的培训集目录中删除了一些图像，它很快就给了我一个警告:它找不到这个文件。
所以看起来好像是在训练的时候读取图像，但是由于我的数据集不是很大，而且我的记忆只有40%，所以我希望能稍微提高我的训练速度。有没有一种方法可以告诉tensorflow在训练开始前将更多的图像预取到内存中，而不是读取当前批处理需要的图像？还是有一个故意的原因我的记忆没有使用
浏览 0提问于2020-12-28得票数 0
回答已采纳
优化器通常将相同的计算图运行许多步骤，直到收敛。tensorflow是否在开始时设置了图形，并在每一步中重用它？如果我在训练期间改变了批量大小，该怎么办？如果我对图做一些负的改变，比如改变损失函数呢？如果我对图表做了一些重大的更改呢？tensorflow会预先生成所有可能的图吗？tensorflow知道如何在图形发生变化时优化整个计算过程吗？
浏览 0提问于2016-02-19得票数 6
我在tensorflow中实现了一个 (一个矩阵对角化，几个矩阵反转，一串张量代数)。图形的构建(在python中)需要3秒。对于一个典型的输入，评估需要10 ms。但对第一次评估似乎有处罚，使评估时间达到300毫秒。(相比之下，一个等价的numpy实现需要30 ms。)
在第一次运行中，tensorflow在做什么，从而导致了更长的评估时间？
有没有一种方法可以独立于张量求值来初始化这些东西？
浏览 0提问于2018-06-18得票数 0
回答已采纳
最初，tensorflow和Py手电筒有一个根本的区别：
tensorflow是基于计算图的。构建此图并在会话中对其进行计算是两个独立的步骤。当它被使用时，图形不会改变，这允许优化。
火炬热切地评估一个张量的运算。这使得API更方便(没有会话)，但也减少了识别和优化总是按顺序发生的操作的潜力。
现在，这种差异变得不那么明显了。Tensorflow已经回应了火炬在上的流行。还有一个项目，它构建在与tensorflow ()相同的底层框架上。JAX没有会话的概念。但是它允许您通过简单地调用来编译多个操作。
既然Tensorflow已经开始覆盖PyTorch功能，那么PyTorch是
浏览 4提问于2019-10-28得票数 2
我刚刚在anaconda python上安装了tensorflow v2.3。我尝试使用下面的python命令测试安装；
$ python -c "import tensorflow as tf; x = [[2.]]; print('tensorflow version', tf.__version__); print('hello, {}'.format(tf.matmul(x, x)))"
我收到了以下消息；
2020-12-15 07:59:12.411952: I tensorflow/core/platform/cpu_feature
浏览 3提问于2020-12-15得票数 19
回答已采纳
我对TensorFlow的内部结构相当陌生。为了理解TensorFlow的AdamOptimizer实现，我在TensorBoard中检查了相应的子图。这里似乎有一个名为name + '_1'的重复子图，默认情况下是name='Adam'。
下面的MWE生成下面的图表。(注意到我已经扩展了x 节点！)
import tensorflow as tf
tf.reset_default_graph()
x = tf.Variable(1.0, name='x')
train_step = tf.train.AdamOptimizer(1e-1, n
浏览 6提问于2019-03-15得票数 10
回答已采纳
我已经使用Anaconda Navigator安装了tensorflow包。当我尝试在jupyter笔记本中运行import tensorflow时，我得到以下错误： OSError Traceback (most recent call last)
D:\ProgrammFiles\Anaconda\lib\site-packages\tensorflow\python\platform\self_check.py in preload_check()
61 try:
---> 62
浏览 144提问于2020-04-29得票数 0
回答已采纳
我有一个冻结的图形，PB文件，我导入到TensorFlow，目前所有的数据类型和操作都是在float32中完成的，我如何才能将一切转换为float16，即使是乘法，卷积等操作？
浏览 10提问于2018-02-12得票数 0
我无法在一个简单的保存的optimize_for_inference图(Python2.7；pip install tensorflow-gpu==1.0.1安装的包)上成功地运行TensorFlow模块。
背景
保存TensorFlow图
下面是我的Python脚本，用于生成和保存一个简单的图形，以便将5添加到我的输入x placeholder操作中。
import tensorflow as tf
# make and save a simple graph
G = tf.Graph()
with G.as_default():
x = tf.placeholder(dtype=
浏览 2提问于2017-07-28得票数 21
回答已采纳
2回答
如何解释在GPGPU上构建和执行计算图的TensorFlow输出？
给定以下使用python API执行任意tensorflow脚本的命令。
python3 tensorflow_test.py > out
第一部分stream_executor看起来像是它的加载依赖项。
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:105] successfu
浏览 1127提问于2016-04-25得票数 27
回答已采纳
我可以在Tensorflow中训练C++中的模型吗？在它的C++应用程序接口中，我没有看到任何优化器。优化器是用Python编写的吗？如果没有，我如何在C++中训练图形？我可以用C++导入经过Python训练的图形，但我想用C++完整地编写代码(训练和推理)。
浏览 10提问于2016-08-31得票数 0
在TF2.0中，在创建keras模型之后仍然需要调用model.compile，如doc所示。 但是使用eager模式，不需要创建图形，那么tf.keras.Model.compile在TensorFlow2.0中的用途是什么呢？
浏览 25提问于2019-08-26得票数 1
回答已采纳
我做了一个新的操作，我想将它与AdamOptimizer一起使用。我按照的指令为它创建了一个梯度，并将它添加到优化器的var_list中，但是Tensorflow说我的变量没有处理器。
优化器中是否支持Tensorflow自定义操作？优化器类允许我创建一个新处理器，还是必须重写compute_gradients的一部分？
此外，如信托基金文件所述，自动区分意味着什么：
要使新的操作系统自动微分工作，您必须注册一个梯度函数，该函数计算相对于ops的输入相对于ops输出的渐变。
谢谢!
浏览 3提问于2017-07-25得票数 0
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
