Tensorflow:自定义TF层不是JSON Serializable，但实现了get_config() - 腾讯云开发者社区

文章/答案/技术大牛

发布

这里有一份TensorFlow2.0中文教程（持续更新中）

但毋庸置疑，TensorFlow 依然是当前最主流的深度学习框架（感兴趣的读者可查看机器之心文章：2019 年，TensorFlow 被拉下马了吗？）。...特别是在简单化方面，TensorFlow 2.0 提供更简化的 API、注重 Keras、结合了 Eager execution。...过去一段时间，机器之心为大家编译介绍了部分英文教程，例如：如何在 TensorFlow 2.0 中构建强化学习智能体 TensorFlow 2.0 到底怎么样？..., batch_size=16, epochs=5) 4.3 自定义层通过对 tf.keras.layers.Layer 进行子类化并实现以下方法来创建自定义层： build：创建层的权重。...compute_output_shape：指定在给定输入形状的情况下如何计算层的输出形状。或者，可以通过实现 get_config 方法和 from_config 类方法序列化层。

1.4K3 0

《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》第12章使用TensorFlow自定义模型并训练

当你需要实现自定义损失函数、自定义标准、层、模型、初始化器、正则器、权重约束时，就需要低级API了。甚至有时需要全面控制训练过程，例如使用特殊变换或对约束梯度时。...当然，一些指标，比如准确率，不能简单的平均化；对于这些例子，只能实现一个流式指标。创建好了流式指标，再创建自定义层就很简单了。...自定义层有时候你可能想搭建一个架构，但TensorFlow没有提供默认实现。这种情况下，就需要创建自定义层。否则只能搭建出的架构会是简单重复的，包含相同且重复的层块，每个层块实际上就是一个层而已。...在TensorFlow 2 中，图还在，但不是核心了，使用也简单多了。...什么时候应该创建自定义层，而不是自定义模型？什么时候需要创建自定义的训练循环？自定义Keras组件可以包含任意Python代码吗，或者Python代码需要转换为TF函数吗？

6.3K3 0

您找到你想要的搜索结果了吗？

是的

没有找到

这里有一份TensorFlow2.0中文教程（持续更新中）

5.2K5 0

扩展之Tensorflow2.0 | 21 Keras的API详解（上）卷积、激活、初始化、正则

3.4 softplus 3.5 softsign 3.6 tanh 3.7 selu 4 Keras的L1/L2正则 4.1 L1/L2正则 4.2 自定义正则化我们对Keras应该已经有了一个直观...、宏观的认识了。...自定义初始化当然，Keras也是支持自定义初始化的方法的。...(tf.square(x)) def get_config(self): return {'strength': self.strength} 这个实现的是L2...其中的get_config是用来保存模型数据的，不要的话也没事，只是不能序列化的保存模型（不用使用config或者json来存储模型）。 - END -

2.1K3 1

TensorFlow2.X学习笔记(6)--TensorFlow中阶API之特征列、激活函数、模型层

tf.nn.leaky_relu：对修正线性单元（relu）的改进，解决了死亡relu问题。 ? tf.nn.elu：指数线性单元。对relu的改进，能够缓解死亡relu问题。 ?...tf.nn模块尚没有实现该函数。 ?...通过对它的子类化用户可以自定义RNN单元，再通过RNN基本层的包裹实现用户自定义循环网络层。 Attention：Dot-product类型注意力机制层。可以用于构建注意力模型。...2、自定义模型层如果自定义模型层没有需要被训练的参数，一般推荐使用Lamda层实现。如果自定义模型层有需要被训练的参数，则可以通过对Layer基类子类化实现。...API 组合成模型时可以序列化，需要自定义get_config方法。

2.6K2 1

【tensorflow2.0】处理时间序列数据

本篇文章将利用TensorFlow2.0建立时间序列RNN模型，对国内的新冠肺炎疫情结束时间进行预测。一，准备数据本文的数据集取自tushare，获取该数据集的方法参考了以下文章。...tf from tensorflow.keras import models,layers,losses,metrics,callbacks %matplotlib inline %config...二，定义模型使用Keras接口有以下3种方式构建模型：使用Sequential按层顺序构建模型，使用函数式API构建任意结构模型，继承Model基类构建自定义模型。...0.0) return x_out def get_config(self): config = super(Block, self).get_config...) return mean_err_percent def get_config(self): config = super(MSPE, self).get_config

1.1K4 0

使用TensorFlow2预测国内疫情结束时间

本篇文章将利用TensorFlow2.0建立时间序列RNN模型，对国内的新冠肺炎疫情结束时间进行预测。 ? 一，准备数据本文的数据集取自tushare，获取该数据集的方法参考了以下文章。...as tf from tensorflow.keras import models,layers,losses,metrics,callbacks %matplotlib inline %config...(38).cache() 二，定义模型 Keras接口有以下3种方式构建模型：使用Sequential按层顺序构建模型，使用函数式API构建任意结构模型，继承Model基类构建自定义模型。...) return x_out def get_config(self): config = super(Block, self).get_config()...) return mean_err_percent def get_config(self): config = super(MSPE, self).get_config

9651 0

生存分析——快手的基于深度学习框架的集成⽣存分析软件KwaiSurvival（一）

⽤⽣存分析模型实现⼤规模的数据分析地址：https://github.com/kwaiDA/KwaiSurvival 本篇主要是今天简单测试了之后的一些笔记记录，不知道他们组内的小伙伴看到这篇，会不会打我...只体现了⼀定时间窗⼝内⽤户留存的结果，并未描述重要的时间信息举例: A和B均有100万DAU，但A⽤户每隔4⼩时使⽤⼀次(每天6个sessions)，B⽤户每隔6⼩时使⽤⼀次(每天4个sessions...2.4 tf2.2安装的问题 pip install --pre tensorflow==2.2 -i https://pypi.tuna.tsinghua.edu.cn/simple 笔者在win10...的机器上，升级了以下tf-cpu的版本，有报错： ImportError：DLL load failed：找不到指定模块下载+安装一下下面的组件就可以正常使用了：Visual Studio 2015、...当然，整体来看，我发现github源码中这里也各种tf.print不知道，是不是项目组自己也发现有这个问题了？然后解决了，但是没更新成功运行的版本？有点猜不到了。。

1.5K2 1

【tensorflow2.0】构建模型的三种方法

可以使用以下3种方式构建模型：使用Sequential按层顺序构建模型，使用函数式API构建任意结构模型，继承Model基类构建自定义模型。...如果无特定必要，尽可能避免使用Model子类化的方式构建模型，这种方式提供了极大的灵活性，但也有更大的概率出错。下面以IMDB电影评论的分类问题为例，演示3种创建模型的方法。...import numpy as np import pandas as pd import tensorflow as tf from tqdm import tqdm from tensorflow.keras...tf.data.experimental.AUTOTUNE) 一，Sequential按层顺序创建模型 f.keras.backend.clear_session() model = models.Sequential...Layer通过Functional API 组合成模型时可以序列化，需要自定义get_config方法。

1K3 0

解析Tensorflow官方PTB模型的demo

在Tensorflow的官方教程中，有两个与之相关的模型被实现出来。...论文以及Tensorflow官方教程介绍：Zaremba设计了一款带有regularization机制的RNN模型。该模型是基于RNN模型的一个变种，叫做LSTM。...作为Tensorflow的官方demo，该模型仅仅被运用在了语言模型的建设上来试图重现论文中的数据。官方已经对他们的模型制作了一部教程，点击这里查看官方教程（英语版）。...根据论文地4页章节4.1，隐匿层的初始值是设为0 self....，中还是大模型 config = get_config() eval_config = get_config() eval_config.batch_size = 1eval_config.num_steps

1.5K8 0

一文上手Tensorflow2.0之tf.keras｜三

“tf.keras”提高了TensorFlow的易用性，同时也保持了TensorFlow的灵活性和性能。 1....我们实现一个简单的例子： # 单独的一个输入层 inputs = tf.keras.Input(shape=(32,)) # 网络层可以像函数一样被调用，其接收和输出的均为张量 x = layers.Dense...', metrics=['accuracy']) # 训练模型 model.fit(data, labels, epochs=2, batch_size=50) （2）实现自定义的模型类和网络层通过继承...“tf.keras.Model”和“tf.keras.layers.Layer”我们可以实现自定义的模型类以及网络层，这为我们构建自己的网络结构提供了非常好的灵活性。...，通过继承“tf.keras.layers.Layer”类我们还可以实现自定义的网络层。

1.9K2 1

TensorFlow 2.0 的新增功能：第一、二部分

对于我们的实现，这意味着该层对象将是tf.keras.layers中公开的层之一，或者是对基础 Keras 层实现进行子类化的用户定义层。...尽管不是必需的，但熟悉 TensorFlow 1.x（TF 1.x）版本的tf.data API 会有所帮助。即使您没有tf.data API 的先验知识，您也应该发现本章可以自学以了解它们。...对于任何自定义模型，建议直接使用tf.keras而不是tf.estimator API。...自定义训练逻辑如前所述，TF 2.0 带来了默认的紧急执行，这意味着基于图的代码流的传统 TF 1.x 自定义训练逻辑实现现在已过时。...为了在 TF 2.0 中实现有关急切执行的自定义训练逻辑，可以使用tf.GradientTape。

4.7K1 0

当微信小程序遇上TensorFlow：接收base64编码图像数据

TensorFlow模型，增加输入层如果你想要了解更多关于本项目，可以参考这个系列的前三篇文章：当微信小程序遇上TensorFlow：Server端实现当微信小程序遇上TensorFlow：Server...如何查看tensorflow SavedModel格式模型的信息如何合并两个TensorFlow模型问题截至到目前为止，我们实现了一个简单的微信小程序，使用开源的Simple TensorFlow...但这种实现方案还存在一个重大问题：小程序和服务端通信传递的图像数据是(299, 299, 3)二进制数组的JSON化表示，这种二进制数据JSON化的最大缺点是数据量太大，一个简单的299 x 299的图像...难点在于虽然模型是编写retrain脚本重新训练的，但这段代码不是那么好懂，想要在retrain时增加输入层也是尝试失败。...虽然网上提供了一些恢复变量的方法，但实际用起来并不管用，可能是Tensorflow发展太快，以前的一些方法已经过时了。

1.3K5 0

手把手：我的深度学习模型训练好了，然后要做啥？

FLAGS.input_layer, FLAGS.output_layer, 142: FLAGS.num_top_predictions)141: for line in sys.stdin: 修改后马上快了很多，但这还不是最好...serializable, have to run item ......as tf import label_image as tf_classify import json app = Flask(__name__) FLAGS, unparsed = tf_classify.parser.parse_known_args...但是，设置自定义的DNS服务器已经超出了本文的范围。...后处理层。

1.9K2 0

教程 | 从零开始：TensorFlow机器学习模型快速部署指南

将单点推断转换成在线推断（TensorFlow）如果我们只想接受标准输入的文件名，一行一个，则我们可以轻松实现「在线」推断： while read line ; do bazel-bin/tensorflow...serializable, have to run item ......as tf import label_image as tf_classify import json app = Flask(__name__) FLAGS, unparsed = tf_classify.parser.parse_known_args...后者的实现要求网页服务器一次处理多个挂起请求，并决定是否等待较大批次还是将其发送至 TensorFlow 图线程进行分类，对此 Flask app 完全不适合。...localhost:12480` -F"data=@$HOME/flower_photos/daisy/21652746_cc379e0eea_m.jpg" 结论与拓展阅读这个时候，你应该上手做点什么，但这肯定也不是不会过时的技术

1.1K5 0

【云+社区年度征文】浅谈 TensorFlow.js 在前端的工程化应用

对于前端开发者来说，终于可以使用浏览器中愉快地玩耍机器学习了。...官方也提供了基于 tensorflow.js 的 playground：http://playground.tensorflow.org/。...# 自定义源信息 |-- model.json # 模型 script.js # tf调用脚本 index.html...', // 模型 MODEL_PATH + '/metadata.json' // 自定义源信息 ); // 确保模型加载 await recognizer.ensureModelLoaded...transferRecognizer.stopListening(); } }; // 播放控制，操作轮播图切换到指定页面 window.play = (label) => { ... }; 至此，使用 speech-commands 迁移学习实现中文语音控制幻灯片播放就实现了

4.5K4 1

Keras还是TensorFlow？深度学习框架选型实操分享

如果需要 TensorFlow 的特定功能，或需要实现 Keras 不支持但 TensorFlow 支持的自定义功能，则调入 TensorFlow。...当你需要实现一个自定义的层或更复杂的损失函数时，你可以深入使用 TensorFlow，将代码自动地与 Keras 模型相结合。...但如果你是 TensorFlow 用户，你应该开始考虑 Keras API 了，因为：它是基于 TensorFlow 创建的它更易于使用当你需要用纯 TensorFlow 实现特定性能或功能时，它可以直接用于你的...与我们之前的 Keras 版的训练脚本相比，唯一的变化在于我们导入了 MiniVGGNetTF 类及 tensorflow as tf 而不是使用 Keras。...正如你所看到的，我们只是更换了所使用的方法 (使用 tf.keras)，实现了几乎一样的训练流程。

2.2K3 0

分布式深度学习训练：TensorFlow中的数据与模型并行

此外，本文的目标是概述概念，而不是专注于实际代码和TensorFlow的复杂性。如果你想要更多关于如何做的细节，请查看原始文档。...这次我们使用json配置来定义我们的工作器：os.environ["TF_CONFIG"] = json.dumps( { "cluster":{ "worker...然而，我们不能分割模型架构而不是数据吗？实际上，这正是模型并行。虽然实现起来更困难，但绝对值得一提。...我们发现了如何在TensorFlow中编写自定义的高性能训练循环，然后我们看到了如何在云中运行训练作业。最后，我们探索了使用数据和模型并行在多个设备上分布训练的所有不同技术。...我想是时候使用我们训练好的模型来为用户服务了，并为他们提供使用我们自定义的UNet模型在自己的图像上进行图像分割的能力。

2001 0

TensorFlow 2.0中的tf.keras和Keras有何区别？为什么以后一定要用tf.keras？

至少可以说，TensorFlow 1.x 的自定义实现是很笨拙的——要改进的地方还有很多。随着 TensorFlow 2.0 的发布，情况开始发生变化——现在实现你自己的自定义损失函数要容易得多。...然后就可以训练模型了： ? GradientTape 魔法为我们在后台进行导数的计算，使处理自定义损失和层变得容易得多。说到自定义层和模型的实现，请务必阅读下一节。...TensorFlow 2.0 中的模型和层子类化 TensorFlow 2.0 和 tf.keras 为我们提供了三种独立的方法来实现我们自己的自定义模型：序列化函数化子类化序列化和函数化的示例都已经在...下周我将针对这三种方法撰写专门的教程，但目前来说，先让我们看一下如何使用 TensorFlow 2.0、tf.keras 与模型子类化功能实现一个基于 LeNet 架构的简单 CNN。 ?...LeNet 的构造函数（即 init）定义了模型内部的每个单独层。然后，call 方法实现了前向传递，这使得你能够根据需要自定义前向传递的过程。使用模型子类化的好处是你的模型：变得更加灵活。

10.6K3 0

TensorFlow bug激怒社区，用户：我要用PyTorch了！

机器之心报道参与：张倩、路最近，TensorFlow 用户发现了一个 bug：tf.keras Dropout 层出问题了。...issue 页面：https://github.com/tensorflow/tensorflow/issues/25175 具体描述如下：系统信息并未写自定义代码； OS 平台和分布：Ubuntu...TensorFlow 是机器学习领域最广泛使用的框架，此 bug 一出现就引起了大量用户的关注和讨论。吐槽声甚重…… 网友RedEyed__：想弃坑了他们怎么能这样……这可是最常用的层。...eager 听起来不错，但你用得越多，发现的 bug 就越多：实现异常缓慢而且会出现 bug，或者干脆遗失非常重要的 ops。...我已经愉快地使用 TensorFlow 两年半了，但设计的改变、蹩脚的 eager 实现、bug 的增多都让我觉得非常不爽。

1.1K3 0

点击加载更多

这里有一份TensorFlow2.0中文教程（持续更新中）

《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》第12章使用TensorFlow自定义模型并训练

这里有一份TensorFlow2.0中文教程（持续更新中）

扩展之Tensorflow2.0 | 21 Keras的API详解（上）卷积、激活、初始化、正则

TensorFlow2.X学习笔记(6)--TensorFlow中阶API之特征列、激活函数、模型层

【tensorflow2.0】处理时间序列数据

使用TensorFlow2预测国内疫情结束时间

生存分析——快手的基于深度学习框架的集成⽣存分析软件KwaiSurvival（一）

【tensorflow2.0】构建模型的三种方法

解析Tensorflow官方PTB模型的demo

一文上手Tensorflow2.0之tf.keras｜三

TensorFlow 2.0 的新增功能：第一、二部分

当微信小程序遇上TensorFlow：接收base64编码图像数据

手把手：我的深度学习模型训练好了，然后要做啥？

教程 | 从零开始：TensorFlow机器学习模型快速部署指南

【云+社区年度征文】浅谈 TensorFlow.js 在前端的工程化应用

Keras还是TensorFlow？深度学习框架选型实操分享

分布式深度学习训练：TensorFlow中的数据与模型并行

TensorFlow 2.0中的tf.keras和Keras有何区别？为什么以后一定要用tf.keras？

TensorFlow bug激怒社区，用户：我要用PyTorch了！

相关资讯

热门标签

活动推荐

运营活动

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐