Tensorflow 2.0 :保存的模型中的变量
Tensorflow 2.0是一个开源的机器学习框架，用于构建和训练各种机器学习模型。它具有强大的计算能力和灵活的架构，可以在各种硬件平台上运行。
在Tensorflow 2.0中，保存的模型中的变量是指在训练过程中学习到的模型参数。这些参数包括权重和偏置等，它们用于定义模型的结构和决定模型的输出结果。
保存模型中的变量有以下几个优势：
- 模型复用：保存的模型可以在不同的环境中进行加载和使用，方便在不同的应用场景中复用已训练好的模型。
- 模型迁移：保存的模型可以在不同的设备或平台上进行迁移，例如从本地计算机迁移到云服务器或移动设备上进行推理。
- 模型调优：保存的模型可以用于进一步的模型调优，例如在已有模型的基础上进行迁移学习或微调，以适应新的任务或数据集。
- 模型共享：保存的模型可以与他人共享，促进合作和知识传播。
Tensorflow 2.0提供了多种方式来保存模型中的变量，包括：
- SavedModel格式：这是Tensorflow 2.0推荐的模型保存格式，它可以保存完整的模型结构、变量值和计算图信息，并支持跨平台的模型加载和部署。腾讯云的相关产品是TensorFlow Serving，用于部署和提供机器学习模型的在线预测服务。详情请参考：TensorFlow Serving
- Checkpoint格式：这是一种轻量级的模型保存格式，它只保存模型中的变量值，不包含模型结构和计算图信息。这种格式适用于在训练过程中保存模型的中间结果，以便在需要时进行断点续训或模型恢复。腾讯云的相关产品是TensorFlow on Cloud，用于在云端进行大规模的分布式训练。详情请参考：TensorFlow on Cloud
总结起来，Tensorflow 2.0中保存的模型中的变量具有模型复用、模型迁移、模型调优和模型共享的优势。腾讯云提供了相关产品和服务，如TensorFlow Serving和TensorFlow on Cloud，用于模型的在线预测和分布式训练。
相关·内容
我正在通过huggingface使用transformers库。 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：https://www.tensorflow.org/guide/distributed_training#tpustrategy，目前仍处于实验阶段，尚未共享合适
浏览 31提问于2019-10-01得票数 0
回答已采纳
要在崩溃后恢复训练，不仅必须恢复模型，还必须恢复进入model.fit(...)过程状态的所有对象和参数。
在我费心编写实现fitting对象的keras代码之前，我想知道用于崩溃恢复的标准方法(如果有的话)是什么，以便从中断的地方恢复TensorFlow 2.0训练。
还是有人真的填补了TensorFlow对象模型中的这个明显的漏洞？
浏览 3提问于2019-12-29得票数 1
tensorflow 2.0似乎删除了函数tf.global_variables()。那么，我的问题是:如何在模型中找到具有给定名称的变量？tensorflow 2.0提供了这样的功能吗？
目前，我们的培训框架无法访问构建模型的代码。它使用tf.global_variables()查找加载模型中的各种变量，以推入和提取训练数据或结果。tensorflow 2.0能够支持这种框架吗？
浏览 3提问于2019-05-18得票数 1
回答已采纳
在TensorFlow2.0中使用SavedModels时，是否可以从中间层访问激活？例如，使用其中一个模型：，我可以运行，例如，
model = tf.saved_model.load('faster_rcnn_inception_v2_coco_2018_01_28/saved_model').signatures['serving_default']
outputs = model(input_tensor)
以获取输出预测和边界框。我希望能够访问输出层以外的其他层，但似乎没有任何Tensorflow 2.0的文档来说明如何做到这一点。下载的模型还包括检查
浏览 21提问于2019-10-24得票数 4
1回答
在tensorflow 2.0中，一旦对模型进行了培训，我们如何保存该模型以防止从一开始就对其进行再培训？
浏览 0提问于2020-02-05得票数 0
回答已采纳
它没有文档化，但很明显，下面的嵌入查找失败是因为TensorFlow错误地假设我的数据从0或1开始，但实际上它从1997年开始。我预计会有几个解决办法，但没有一个是很好的。
InvalidArgumentError: indices[0,0] = 1998 is not in [0, 3)
[[node MultiLatentFactorEmbeddings/B_rating_year/embedding_lookup (defined at /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/framewor
浏览 1提问于2019-12-09得票数 0
我目前正在探索如何在Google ML引擎上部署模型。首先，我使用TensorFlow 1.1.0开发了一个模型，因为它是存在的最新版本(在提出这个问题时)。然而，事实证明，GCP上支持的TensorFlow的最高版本是1.0.1。
问题是，之前当我使用TensorFlow 1.1.0时，SavedModelBuilder会正确地将模型保存为SavedModel，并将其变量保存在variables/目录下。但是，当我切换到TensorFlow 1.0.1时，它的工作方式与此不同:创建了SavedModel文件，但在variables/下没有创建任何文件，因此不能仅使用SavedModel文件构
浏览 1提问于2017-05-04得票数 0
我在TensorFlow 1.14中构建了一个经过训练的模型，该模型使用(现在已被废弃的) 层(在中的TensorFlow 2.0中可用)，并且我正在尝试将旧层的权重移植到一个使用构建的新TensorFlow 2.0模型中，以获得一个等效的模型。
这样做的一个动机是能够在CPU上进行推断( tf.compat.v1.keras.layers.CuDNNGRU层只运行在GPU上)。另一个动机是对模型进行未来验证。
问题
如何将经过训练的tf.contrib.v1.keras.layers.CuDNNGRU层转换为等效的tf.keras.layers.GRU层？
浏览 4提问于2019-11-11得票数 2
回答已采纳
我已经开始探索TensorFlow库，并尝试使用MNIST数据的图像分类。我希望模型在培训阶段结束后存储在一个文件中，这样我就可以在需要时使用它。我检查了，它告诉我们如何将值从TensorFlow保存到任何文件中，并读取它。到目前为止，我能够按照链接中的建议使用泡菜将脚本中的一些变量保存到文件中。但是，我无法理解需要在文件中保存什么来存储模型的当前状态以供以后使用。拜托，有人可以用例子来解释这个部分，比如存储模型和加载模型。
浏览 13提问于2017-02-21得票数 0
回答已采纳
我正在尝试在TensorFlow2.0中运行FaceNet模型。我下载了一组预先训练好的权重(.pb文件)，并使用tf.GraphDef()在TF1.14中加载图形。 我想知道我应该如何在TF 2.0中运行它： 我尝试使用tf.SavedModel.load()方法，但返回一个空的签名字典。 在新的Tensorflow 2.0版本中是否可以重用TF 1.x pb文件？如果是这样，又是如何做到的呢？
浏览 23提问于2019-10-17得票数 0
回答已采纳
我从tensorflow开始，用retrain.py来教它一些新的分类--这很好--但是我有一些问题：
在retrain.py的注释中，它说：“这会产生一个新的模型文件，可以由任何TensorFlow程序加载和运行，例如label_image示例代码”，但是我没有找到这个新模型文件保存到哪里？
还有:它包含了整个模型，对吗？不仅仅是再训练的那部分？
谢谢你澄清这件事
浏览 1提问于2017-05-20得票数 0
回答已采纳
和咖啡馆一样，互联网上也有一些经过预先训练的TensorFlow模型。然而，与TensorFlow不同的是，Caffe的模型总是伴随着一个指示网络结构和层名的.prototxt文件，而Caffe依赖Python代码来定义神经网络。同时，由于variable_scope的存在，对于TensorFlow中的变量，它的名称可能会很长。这使得通过名称查找特定变量变得非常困难。那么，如果我从互联网上下载了一个预先训练好的TensorFlow模型，而没有网络结构python代码，我如何将它用于我自己的项目呢？
浏览 2提问于2017-07-19得票数 2
当尝试为使用Docker2.0编码的新模型提供TensorFlow服务时，我从我的Docker容器日志中得到以下错误： 2019-09-03 08:56:24.984824: I external/org_tensorflow/tensorflow/cc/saved_model/reader.cc:31] Reading SavedModel from: /models/model_modeFact/1567500955
2019-09-03 08:56:24.989902: I external/org_tensorflow/tensorflow/cc/saved_model/reader
浏览 35提问于2019-09-03得票数 1
我面临着将TensorFlow转换为TensorFlow精简版的问题。根据研究，首先需要将模型保存在.pb中，通过使用此文件，我们可以将其转换为TensorFlow lite，但会遇到错误。
浏览 14提问于2021-04-06得票数 0
对于下面的代码，为什么TF2.0中的模型预测可以工作，但模型(数据)失败？
from tensorflow.keras import layers,Input
import tensorflow as tf
input_layer = Input(1)
d1 = layers.Dense(64, activation='relu')(input_layer)
d2 = layers.Dense(3, activation='relu')(d1)
model = tf.keras.Model(inputs=[input_layer], outputs=d2)
da
浏览 0提问于2020-03-03得票数 1
我自己有一个经过训练的模型(在tf 1.14中训练过)，我用它来预训练另一个模型。因此，它不是你可以在tf.keras.applications中找到的著名的模型之一，比如ResNet/etc。
我想将我的工作切换到TF2.0，但找不到任何链接来为我提供有关如何在tf2中加载TF1.14检查点和图形的详细信息。
在tensorflow 2中使用tf 1的模型信息进行迁移学习是完全可能的吗？
浏览 2提问于2019-11-20得票数 3
我正在使用WALS方法来执行矩阵分解。最初在tensorflow 1.13中，我可以使用
from tensorflow.contrib.factorization.python.ops import factorization_ops
如所述
可以从factorization_ops调用Wals模型。
factorization_ops.WALSModel
在tensorflow 2.0中使用相同的命令给出以下错误
'tensorflow.contrib.factorization ModuleNotFoundError:没有名为的模块
通过，似乎没有办法在tensorflow 2
浏览 3提问于2019-09-12得票数 2
这个问题背后的动机是，我使用Matterport的MaskRCNN保存了一个Keras模型，并且在tf.keras.callbacks.ModelCheckpoint()中非常明确地将save_weights_only参数设置为False，以便保存整个模型(而不仅仅是权重)。
原来在ModelCheckpoint()回调中有一个bug，它有时不能保存完整的模型。
当您在关闭TF会话后加载模型时，这显然是一个问题，因为Graph、体系结构和优化器状态已经消失，使得重新加载已保存的模型变得困难(如果不是不可能的话)。
因此，我在问是否有可能在会话关闭后(例如，由于您的笔记本内核崩溃)，以某种方式从
浏览 1提问于2019-10-24得票数 1
Tensorflow解释说，模型：.ckpt或.hdf5或.pb。这里有很多文档，所以最好能更简单地比较什么时候使用哪种文件格式。
以下是我目前的理解：
ckpt
来自
检查点捕获模型使用的所有参数(tf.Variable对象)的确切值。检查点不包含模型定义的计算的任何描述，因此通常只有在使用保存的参数值的源代码可用时才有用。
因此，当您知道源代码将相同时，似乎应该在培训期间使用cpkt进行检查点。为什么推荐它而不是.pb和.hdf5呢？它能节省空间吗？它是否包括其他文件格式不包含的数据？
pb
也来自
另一方面，SavedModel格式除了参数值(检查点)外，还包括模型定义的计算的
浏览 7提问于2020-01-23得票数 15
关于Tensorflow Lite Converter的tensorflow指南指出，推荐使用TFLiteConverter.from_saved_model()而不是TFLiteConverter.from_keras_model()。 为什么要推荐呢？ 这对于将Keras模型转换为TfLite意味着什么(当SavedModel不存在并且不是必需的时候)。我们是否应该仍然将Keras模型作为SavedModel保存到临时文件夹中，并使用.from_saved_model()转换为TfLite
浏览 137提问于2021-08-05得票数 0
回答已采纳
我刚接触AWS Lambda，并且在AWS Lambda中运行tensorflow模型。现在tensorflow 1.0.0符合50Mb的限制，但由于tensorflow 2.0的大小要大得多，所以它不适合。有谁知道通过AWS lambda使用tensorflow 2.0的方法吗？
浏览 3提问于2020-01-15得票数 5
当Java和Python tensorflow版本都是1.2.0时，似乎我们可以使用SavedModelBundle ( Java )和Saved Model API ( Python )来在Python tensorflow中保存训练好的模型，并在Java tensorflow (而不是Maven)中加载该模型。
但是，当Python版本低于1.0时，我找不到在Java中正确加载模型的方法。
我训练了一个模型，并将其保存为Python tensorflow (0.9.0)中的.pb、.sd和.txt文件，然后按照tensorflow网站中的说明加载模型。但是，我得到了以下错误：
Except
浏览 41提问于2017-07-05得票数 0
我想使用一个由未知作者提供的预先训练的tensorflow模型。我不知道他/她是如何设法将tensorflow模型(他/她使用了tensorflow版本的>= 1.2)保存到一个扩展名为“.model”的文件中的，因为通常我会得到三个文件‘..meta’、‘..data’、'.index‘或一个文件’..ckpt‘。
我怎样才能恢复这个预先训练过的模型？以后如何将模型保存为这种格式？
谢谢。
浏览 2提问于2018-01-06得票数 3
来自，
SavedModel，TensorFlow模型的通用序列化格式。
和
SavedModel封装了一个TensorFlow保护程序。该保护程序主要用于生成变量检查点。
据我理解，如果有人想要使用SavedModel服务，则必须使用TensorFlow服务。但是，我可以在不使用SavedModel的情况下将Tensorflow模型部署到服务服务器上:冻结图并将其导出为GraphDef，并在Go中使用C++或中的ReadBinaryProto和将图形加载到会话中。
SavedModel的目的是什么？用户应该更喜欢SavedModel而不是检查点或GraphDef来聚合更多与模
浏览 6提问于2017-02-14得票数 34
回答已采纳
这可能是一个愚蠢的问题，但希望有人告诉我是或不是。
假设我在Tensorflow中有一个LSTM网络，并且正在使用Adam Optimizer训练它，通过在训练期间为X和Y变量提供一组X和Y dict来最小化成本函数，然后在同一会话中，为变量提供新的X和Y dict以进行测试，Tensorflow是自动使用在训练期间找到的最佳模型(即使用在训练期间带来最低成本值的权重)，还是仅使用其运行中的最新模型(即最新的时期)？
想知道当达到新的较低成本值时，是否需要设置model.saver函数来捕获最佳模型，关闭当前会话，然后使用保存的模型重新打开一个新模型，或者是否可以假设，当我在与训练相同的会话中
浏览 19提问于2019-11-05得票数 1
回答已采纳
我用tensorflow 2.0在Google 上训练了一个简单的mnist模型，并将其保存为.json格式。查看我编写代码的Colab。然后运行命令
!simple_tensorflow_serving --model_base_path="/" --model_platform="tensorflow"
它显示了错误AttributeError:模块'tensorflow‘没有属性'gfile’
帮助轻松地将经过培训的tensorflow模型部署到生产中。
我正在使用的版本：
(1) TensorFlow - 2.0
(2) simple_t
浏览 4提问于2019-04-09得票数 18
回答已采纳
我正在使用Tensorflow Java Api将已经创建的Tensorflow模型加载到JVM中。我用它作为一个例子：
下面是我的简单scala代码：
import java.nio.file.{Files, Path, Paths}
import org.tensorflow.{Graph, Session, Tensor}
def readAllBytesOrExit(path: Path): Array[Byte] = Files.readAllBytes(path)
val graphDef = readAllBytesOrExit(Paths.get("PATH_TO_A
浏览 2提问于2017-04-05得票数 4
回答已采纳
我需要打印Tensorflow模型、参数和超参数。下面是我使用的代码，当我尝试打印模型时，我只能得到模型的存储位置。我还用GridSearchCv尝试了Tensorflow的sklearn包装器，但我得到了一些错误。我不能尝试Hyperparams，因为它在Tensorflow2.0.0中已被弃用，而我正在使用Tensorflow 2.0和python 3.7 model = Sequential()
model.add(Dense(32,input_shape=(3,)))
model.add(Dense(1))
model.compile(loss='binary_crossen
浏览 89提问于2019-10-19得票数 2
1回答
我已经使用Tensorflow训练了语言模型，如本所示
为了进行训练，我使用了以下命令。
bazel-bin/tensorflow/models/rnn/ptb/ptb_word_lm --data_path=./simple-examples/data/ --model small
训练是成功的，最后的o/p如下。
Epoch: 13 Train Perplexity: 37.196
Epoch: 13 Valid Perplexity: 124.502
Test Perplexity: 118.624
但我仍然对训练模型存储在哪里以及如何使用它感到困惑。
浏览 9提问于2015-11-29得票数 2
我开始学习Tensorflow2.0 2.0，我困惑的一个主要原因是什么时候应该使用类似keras的model.compile和tf.GradientTape来训练模型。
在用于MNIST分类的Tensorflow2.0 2.0教程中，他们训练了两个类似的模型。和。
抱歉，如果这是微不足道的，但您什么时候使用一个而另一个呢？
浏览 1提问于2019-05-09得票数 4
回答已采纳
来自tensorflow服务的release history，最新版本是1.14.0。它使用的是TensorFlow 1.14.0。我找不到使用TensorFlow 2.0的发布版本。我想知道1.14.0版本的TFServing是否支持从TensorFlow 2.0训练的所有模型？或者是否有发布TFServing 2.0的计划？
浏览 15提问于2019-10-17得票数 2
1回答
TensorFlow:图像分类
、、、、
我正在学习有关使用TensorFlow 2.0进行图像分类的教程：https://www.tensorflow.org/tutorials/images/classification 本教程展示了如何构建和训练模型，但我不明白如何实际使用该模型。 我正在寻找的是一种在图像中传递一个(最好是它的路径)并返回某种分类结果的方法。如下所示： result = model.evaluate('path/to/image.jpg')
# result == {'cat': 0.92, 'dog': 0.08} 如何实现这个目标？另外，模型保存在哪里，在训
浏览 10提问于2019-10-12得票数 2
回答已采纳
我正在使用tf.feature_column.embedding_column进行模型训练。
在训练之后，我想获得具有学习权重的张量，在TensorFlow 2.0中如何做到这一点？
浏览 0提问于2019-10-10得票数 0
我已经在Tensorflow 2.0中训练了一个模型，并且正在尝试改进当转移到生产时(在一个支持GPU的服务器上)的预测时间。在Tensorflow 1.xI中，使用冻结图可以得到预测的加速，但从Tensorflow 2开始就不再推荐这种方法了。通过阅读Nvidia对TensorRT的描述，他们认为使用TensorRT比单独使用Tensorflow可以加速7倍的速度。来源：
我已经训练了我的模型，并使用Tensorflow的SavedModel格式将其保存到一个SavedModel文件中。现在，我使用nvidia的文档来优化使用tensorrt：进行推理的模型。
当我跑步时：
import
浏览 9提问于2019-11-13得票数 4
回答已采纳
我试图在用TensorFlow后端构建Keras模型的推理阶段对性能进行基准测试。我认为工具是正确的选择。
我已经成功地用tensorflow_inception_graph.pb在桌面上构建并运行了这个示例，一切看起来都很好。
我似乎无法理解的是，如何将Keras模型保存为适当的.pb模型。我能够从Keras模型中获得TensorFlow图，如下所示：
import keras.backend as K
K.set_learning_phase(0)
trained_model = function_that_returns_compiled_model()
sess = K.get_se
浏览 5提问于2017-04-16得票数 4
回答已采纳
1回答
我正在尝试在TensorFlow2.0中重新实现Multi-View CNN (MVCNN)。然而，在我看来，keras层没有像tf.layers中那样的reuse=True|False选项。有没有办法用新的API定义共享参数的层？或者我需要以TFv1的方式构建我的模型？ 非常感谢!
浏览 78提问于2019-07-04得票数 3
回答已采纳
2回答
我想为我的文本语料库训练我自己的Word2Vec模型。我可以从TensorFlow的教程中得到代码。我不知道的是如何保存这个模型，以便以后用于CNN文本分类？我应该用泡菜保存它，然后稍后再读吗？
浏览 1提问于2016-07-24得票数 1
回答已采纳
我有一些模型是用tensorflow的早期版本编写的，与CUDA 9版本兼容。我想在以后切换到tensorflow 2.0，但必须将CUDA版本转换为10。但如果我这样做了，我将无法在新的CUDA版本中运行我早期编写的代码。如何避免此版本冲突？
浏览 30提问于2019-10-09得票数 0
回答已采纳
我刚刚在我的自定义数据集(1675个训练图像，400个验证图像，2个类)上从头开始训练inceptionv3：
我不知道如何使用我的新训练的模型对我的测试图像进行预测。(在哪里可以将label_image.py指向模型)
我新训练的模特是从哪里得救的？
下面是关于我的设置/运行的一些元数据：
我在train_dir中生成了以下文件：
- events.out.tfevents.1481980070.airig-Inspiron-7559(4.9GB)
- graph.pbtxt(18.5MB)
- and a bunch of **model.ckpt-**_**.meta
浏览 4提问于2016-12-19得票数 5
如何列出Tensorflow2.0中的所有变量？ 在Tensorflow1.x中，您可以直接获取tf.global_variables()或其他类似命令。我如何在Tensorflow 2.0中做同样的事情？
浏览 17提问于2019-03-12得票数 4
回答已采纳
我发现TensorFlow支持各种模型文件，.ckpt, .meta, .pb 1)现在我有了一个resnet50机型，.ckpt为102MB，.pb为459KB，如何使用TensorFlow加载到内存？ 2) Tensorflow支持多少种类型的模型文件？谁能提供一个列表或者像这样的材料(比如1. ckpt+pb 2. frozen.pb 3.meta+？)
浏览 13提问于2019-09-16得票数 0
回答已采纳
2回答
我们什么时候不需要激活功能？
、、、、
我编写了一个非常基本的tensorflow模型，其中我想预测一个数字：
import tensorflow as tf
import numpy as np
def HW_numbers(x):
y = (2 * x) + 1
return y
x = np.array([1.0,2.0,3.0,4.0,5.0,6.0,7.0], dtype=float)
y = np.array(HW_numbers(x))
model = tf.keras.models.Sequential([tf.keras.layers.Dense(units=1,input_shape=[1
浏览 6提问于2020-06-29得票数 4
回答已采纳
我很难恢复一个保存下来的模型。我正在MNIST数据集上训练CNN，所有这些都是根据MNIST关于的教程进行的，我正在用以下代码保存我的模型：
saver.save(sess, './Tensorflow_MNIST', global_step=max_steps)
这将创建以下文件：
Tensorflow_MNIST-1000数据-00000-00001
Tensorflow_MNIST-1000指数
Tensorflow_MNIST-1000元
检查点
稍后，我希望加载该模型并继续使用以下内容进行培训：
with tf.Session() as ses
浏览 0提问于2017-05-10得票数 2
1回答
我在colab上训练了一个keras序列模型，并将其保存为TensorFlow SavedModel格式。然后，我将经过训练的模型的压缩文件夹(包含saved_model.pb文件和变量子文件夹)下载到我的计算机上，并试图将该模型加载到我的python文件中，但最终以
这个错误：(注意B:我在安装了keras和tensorflow的anaconda自定义环境中运行python文件)
OSError: Unable to open file (unable to open file: name = 'C:/Users/user/Desktop/chiffre.model', er
浏览 1提问于2021-06-03得票数 0
回答已采纳
2回答
背景：I将我的TensorFlow模型存储在一个目录中，其中包含文件夹/文件:资产、变量和saved_model.pb。我所需要做的就是做预测(没有训练)，所以我不需要资产和变量文件夹。saved_model.pb文件比变量文件夹小得多，存储对我来说非常重要。
问题：如何仅从TensorFlow 2.3中的saved_model.pb文件(没有变量或资产文件夹)加载Tensorflow模型？
这是我的文件结构：
saved_models
├── model_1
| ├── assets
| | └── (this is an empty folder)
| ├── saved_
浏览 9提问于2020-10-27得票数 1
回答已采纳
我正在尝试创建一个图像分类器，它利用slim文档中提供的预先训练的ResNet V2模型。
以下是到目前为止的代码：
import tensorflow as tf
slim = tf.contrib.slim
from PIL import Image
from inception_resnet_v2 import *
import numpy as np
checkpoint_file = 'inception_resnet_v2_2016_08_30.ckpt'
sample_images = ['carrot.jpg']
input_tensor =
浏览 0提问于2017-04-25得票数 2
我正在使用TensorFlow 2.0和Python3.6，Anaconda 3的Windows10上的Python训练我自己的模型。当我运行以下命令时： python train.py --logtostderr --train_dir=training/ --pipeline_config_path=training/faster_rcnn_inception_v2_pets.config 为了训练我的图像，它显示了Tensorflow Contrib模块将不会包含在TensorFlow 2.0中。我现在应该怎么处理TensorFlow？我需要升级或降级TensorFlow吗？我应该运行
浏览 253提问于2019-03-15得票数 4
我们是否可以使用tf 2.0 tf.saved_model.save将经过训练的Gensim Word2Vec模型保存为已保存的模型？换句话说，我如何将经过训练的嵌入向量保存为保存的模型签名，以便与tensorflow 2.0一起使用。以下步骤通常是不正确的：
model = gensim.models.Word2Vec(...)
model.init_sims(..)
model.train(..)
model.save(..)
module = gensim.models.KeyedVectors.load_word2vec(...)
tf.saved_model.save(
浏览 0提问于2020-05-06得票数 0
我试着用tensorflow编程，我偶然发现了这个函数：
global_step = tf.contrib.framework.get_global_step()
有人能向我解释一下到底发生了什么吗？我在tensorflow的文档中找到了这个解释，但我不太清楚。
global_step:表示每次模型训练运行增量的步骤计数器的整数变量。可以通过TensorFlow ()函数在get_global_step()中轻松地创建/递增。
其中get_global_step返回全局张量。
非常感谢!
浏览 2提问于2017-06-05得票数 0
回答已采纳
我尝试将张量值以二进制格式保存到文件中。特别是，我尝试将float32张量值保存为二进制格式(IEEE754格式)。你能帮帮我吗?？
import tensorflow as tf
x = tf.constant([[1.0, 2.0, 3.0], [5.5, 4.3, 2.5]])
# how to save tensor x as binary format ??
浏览 0提问于2018-01-08得票数 10
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
