我试图为我的模型添加类权重作为超参数，但是为了计算权重，我需要读取输入数据，这发生在input_fn内部，然后传递给estimator.fit()。我的问题--有没有办法将数据从input_fn传播到model_fn的超参数映射？或者作为另一种选择-也许有一个input_fn数据集的包装器，它允许对少数/欠采样多数进行过采样以及批处理-在这种情况下，我不需要任何参数来传播。
浏览 1提问于2018-01-22得票数 6
我使用的是tensorflow版本2.0.0-beta1。在调用它给了我一个错误。module 'tensorflow_estimator.python.estimator.api._v2.estimator' has no attribute 'inputs'tf.estimator.inputs
这给了我以下
浏览 286提问于2019-07-10得票数 3
通过这样做，我已经从conda安装了TensorFlow_hub：但是，当我尝试在任何地方导入tensorflow_hub_v1.estimator import export
12 from tensorflow_estimator.python.estimator.api._api.v1.estimator
浏览 5提问于2021-12-08得票数 1
回答已采纳
1回答
由于Tensorflow文档，estimator.export_saved_model()方法似乎是可行的。但是我不知道如何告诉Tensorflow我的特征结构是什么样子的。由于，最简单的方法似乎是调用tf.estimator.export.build_parsing_serving_input_receiver_fn()，它返回所需的输入接收器函数，我必须将该函数传递给export_saved_model函数。但是
浏览 1提问于2020-02-09得票数 0
2回答
关于对象检测API检查点的查询
、、、、
我对Tensorflow对象检测API有几个疑问。
来自/home/user/tensorflow-gpu/lib/pytho
浏览 1提问于2018-08-21得票数 0
我希望使SageMaker中的服务端点可以使用一些超参数。培训实例可以使用以下超级参数访问输入参数： role=roleevaluation_steps=None,但是，在部署端点时，无法传递用于控制input_f
浏览 0提问于2018-03-22得票数 1
回答已采纳
我的问题是关于tf.estimator.Estimator的。我想控制"loss and step“信息消息的频率，例如：我将一个tf.estimator.RunConfig传递给估计器的构造函数。但我不认为有一个参数来控制"loss and step“消息。我认为这个参数是在_train_model方法中用<
浏览 0提问于2017-11-27得票数 9
1回答
如何使用带有估计器的hparams？我在用tensorflow 2.1.0tensorflow-metadata0.15.2在googling之后，我看到了一些较老的tf代码，它们将hparams传递给了Estimator的params参数，因此，为了确保t
浏览 4提问于2020-01-29得票数 5
回答已采纳
1回答
0.data-00000-of-00001', 'checkpoint',任何关于如何加载模型的建议都会受到极大的赞赏也可能是在TensorFlow的早期版本(例如TensorFlow 1.x)中编写模型，因此这个错误是由于兼容性问题造成的，但我还没有找到解决方案。INFO:tensorflow:Restoring parameters
浏览 0提问于2020-03-05得票数 2
1回答
我想将压缩的pd.read_pickle(filename, compression='xz')熊猫数据帧作为管道输入到tensorflow。我想使用需要输入函数的高级API tf.estimator分类器。我的数据文件是大的浮点数矩阵~(1400X16)，每个矩阵对应一个特定的类型(标签)。每种类型(标签)都包含在不同的目录中，所以我从它的目录中知道矩阵标签。在低层，我知道我可以使用feed_dict={X:batch_X:Y_:batch_Y}填
浏览 1提问于2018-08-01得票数 2
我想知道如何使用这里描述的转移学习：将模型冻结(使模型的可训练参数unchangeable)Make为一个单独的层，并将其叠加在冻结模型的基础上，对模型进行训练。保存新训练的模型。在试图使用以下Python代码/脚本加载模型时，我遇到了一个错误，我不知道如何修复它：
from __future__ import absolute_import, division, pri
浏览 16提问于2020-03-04得票数 1
问题是关于Tensorflow及其更高的API估计，更一般的是关于导出和重用模型。
有几种导出tensorflow模型的工具: tf.train.Saver、直接写入和导入图及其相关权重。我的兴趣在于tf.estimator.Estimator对象以及我们如何重用它们。我的用例非常简单:我拟合了一个简单的模型，比如在tensorflow中，并且希望在一个更复杂的模型中使用它的预测。一般来说，在Tensorflow中如何重用以前训练过的
浏览 2提问于2017-06-16得票数 0
回答已采纳
我正在使用tf.estimator.Estimator来管理培训和测试代码的一部分。我正在调优一些超参数，所以我需要确保权值是用相同的随机种子初始化的。对于set_random_seed是否存在由tf.estimator创建的会话？
浏览 1提问于2018-06-27得票数 1
我已经将代码从基于队列的系统转换为tensorflow的数据集。在转换之后，我看到了准确性的下降和时间的增加。我认为这是因为我的实现不正确，我目前正试图解决可能出现的问题。以前我有大量的图像，我会将它们分批到一个队列中，然后用我的100个图像从队列中弹出，执行处理和总结，然后继续。通过队列加载到内存中可能会造成瓶颈，所以当我听说Dataset API时，我觉得值得一看。目前，正如您所看到的，我只是将iter.initializer作为一个op与其他操作一起传递给sess.run，并传递f
浏览 0提问于2018-04-25得票数 0
回答已采纳
与独立的keras模型相比，使用tf.keras.estimator.model_to_estimator有什么好处？例如，当我们想要实时服务模型的时候？pred = model.predict(x=x)然而，如何使用估计器来完成这个过程呢也就是说，对：tf.keras.estimator.model_to_estimator</e
浏览 1提问于2019-01-11得票数 3
回答已采纳
我正在尝试创建一个自定义的tensorflow tf.Estimator。在传递给tf.Estimator的model_fn中，我从Tensorflow Hub导入了Inception_V3模块。我是Tensorflow和Tensorflow Hub的新手，所以我可能会犯很多新手错误。
当我尝试对相同的验证数据使用tf.Estimator.predict()时，问题就出现了。我使用与evaluate函数相同的一组数据
浏览 4提问于2019-02-16得票数 0
2回答
我正在编写一个高级别的tensorflow应用程序，与构建的方式完全相同，只是我正在构建一个简单的RNN来预测序列。我是tensorflow的新手，所以我正试图解决一个问题，对于以前在tensorflow高级api中工作过的人来说，这个问题可能很简单。model_fn只接受两个特性参数：features和labels。如何将所有三个参数_inputs、_labels和_seqlens输入到模型中？
如有任何建议，将不胜感激。注意:输入
浏览 0提问于2018-07-10得票数 0
我在谷歌云数据实验室上有一个经过训练的TensorFlow模型。我想将其导出并导入到BigQuery中，然后使用BigQuery进行预测。如何使用路径将其导出为gs://*
浏览 17提问于2019-08-22得票数 0
model_params = {"learning_rate": 0.01} # Instantiate Estimatornn = tf.contrib.learn.Estimator(model_fn=model_fn, params=model_params) &quo
浏览 2提问于2017-05-11得票数 14
我使用Tensorflow 1.14和tf.keras API来构建一个数目(>10)的不同网络神经网络。(我也对使用Tensorflow 2回答这个问题感兴趣)。我在想我该怎么组织我的项目。我的每个模型都有一个(>20)的超参数，并将三种类型的输入数据中的一种作为输入。目前，我使用的函数以超参数作为参数，并返回相应的编译后的keras模型，然后将其转换为一个估计器。我使用三种不同的"Main_Datatype.
浏览 1提问于2019-11-03得票数 2
回答已采纳
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号