我正在尝试保存Tensorflow模型并重用它。
为了清楚地理解这个问题，我创建了一个包含10个元素的二进制数据集，并在这10个元素上重复运行训练，而我每100次迭代保存一次模型。然后在相同的集合上运行测试。理想情况下，我希望测试在保存模型时产生相同的成本。然而，可能我遗漏了一些东西，加载一个经过训练的模型并不能给出预期
浏览 6提问于2017-08-07得票数 0
1回答
基于线性回归的潮流图像分割
、、、、
假设在图像视图中有一个三维曲面，我想用线性值10来分割这个曲面的中间部分。这个曲面的边缘将是，比如说，5。当然，中间的所有体素都在5-10之间。然后，当体素从表面移开时，值迅速下降到零。通过二值分类，我得到了前景位置为1的图像和背景位置为1的图像--换句话说，就是分类:)现在我只想要一幅具有如下值的地面真实图像.
通过这个线性回归例子，我假设我可以简单地将成本函数更改为最小二乘函数-- cost = tf.square(y -
浏览 3提问于2016-07-28得票数 1
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<em
浏览 19提问于2019-11-05得票数 1
回答已采纳
我正在尝试使用e1071中的trying函数来调优超参数epsilon和成本，但是每当我试图扩展想要测试的值的范围时，我都会得到这个错误：
“predict.svm中的错误(ret，xhold，decision.values= TRUE)：模型是空的！”我正在处理的是回归应用程序，而不是分类应用程序，我使用的数据用于密度配置文件，其中"x“表示面板旁边的位置，"y”对应于所测密度
浏览 5提问于2022-05-10得票数 0
我使用TensorFlow对图像进行LeNet网络分类。我使用AdamOptimizer来最小化成本函数。当我开始训练模型时，我可以观察到训练的准确性和验证的准确性以及成本都在变化，有时会减少，有时会增加。我的解决方案是定义一个全局变量( m
浏览 1提问于2017-06-19得票数 1
我写了一个语音识别python，我使用了tenserflow keras模型。 pickle.dump([regressor] ,mf)下面是我尝试过的完整代码
浏览 0提问于2021-05-23得票数 3
2回答
在训练模型之后，我就可以成功地使用它来生成预测，但是，在保存并重新加载它之后，我的类的顺序就满了。原始的predict方法给出了N维数组(类的N=number )，但是每次重新加载模型时，生成概率的顺序都会发生变化。我追踪到了的警告。编辑：我也尝试用joblib和keras.savel_model保存模型对象，使用自定义预处理函
浏览 9提问于2022-07-15得票数 1
回答已采纳
我实现了一个简单的cnn网络的图像分类(二进制分类)。我在Python中使用tensorflow。我使用tf.softmax_cross_entropy_with逻辑作为成本函数。我从我的模型的输出层用未规范化的逻辑输入成本函数。函数应该输出规范化概率，还是我错了？
在培训我的模型，我是印刷成本的每一个例子。如果模型正确地预测了输出，则成
浏览 0提问于2017-06-09得票数 0
回答已采纳
问题是，我不能让我的电脑在ubuntu系统上运行我的tensorflow-gpu。因为NVIDIA驱动不能安装在ubuntu.So上，所以我在Windows10上运行tensorflow-gpu，但它不支持tensorflow服务。我知道Docker可以帮助我做到这一点，而且我真的安装了它，但是只安装了tensorflow-cpu.如果我只运行tensorflow-cpu版本，速度会非常慢。在这种情况下，我提出了一个想法，我安装了两个
浏览 1提问于2017-09-08得票数 0
我使用低级别的tensorflow API构建了一个模型，它只有几个变量(大约10个)，我想要优化这些变量。因此，我想实现一个自定义的损失函数，它产生噪声损失值(类似于一种基于仿真的优化方法)。有没有一种方法可以实现不可区分的损失函数，以及像SPSA这样的带有低级别tensorflow API的优化器？
有人可能会问，为什么要用tensorflow来做这个呢？这是因为我想使用tensorfl
浏览 0提问于2018-01-31得票数 3
回答已采纳
1回答
我有一个有2个ManyToMany字段的Django模型。我希望每次保存模型中的数据时都对其进行处理。
post_save信号是在保存ManyToMany关系之前发送的，所以我不能使用它。是否有一个信号是在保存所有ManyToMany字段后触发的？
浏览 2提问于2013-04-12得票数 7
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<em
浏览 2提问于2017-07-19得票数 2
可以从Java中保存SavedModelBundle吗？我的用例是我想
(我想用Java而不是Python来做这件事，因为我的整个应用程序都是用Java (Scala)实现的，因此，跳转到Python会增加很多复杂的问题。)
浏览 0提问于2018-10-05得票数 0
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
浏览 1提问于2019-10-24得票数 1
2回答
我训练了一个LSTM模型，并将该模型保存为：model.save_weights('Model')但是当我使用时：对于所有的保存选项，model.predict()为不同的输入提供相同的输出。有没有办法保存模型以给出正确<e
浏览 0提问于2021-01-15得票数 0
Tensorflow是一个非常重的库，有没有办法在不使用Tensorflow库的情况下保存和加载keras模型(.h5)？
浏览 10提问于2021-11-02得票数 0
有时我需要加载一个非常大的模型，这会导致内存成本非常高，例如：
net = torch.load('.
浏览 6提问于2016-06-17得票数 3
为了使用我的GPU训练的模型，我想在我的CPU上运行。如果我正确理解它，已经有了一个解决方案，即保存和加载模型参数(或state_dict)。不过，我想知道是否也可以通过保存/加载整个模型而不是其参数来实现同样的目标。为了在CPU上加载经过GPU训练的模型，我做了以下工作：
def __init__(self, entire_m
浏览 4提问于2021-11-12得票数 1
2回答
Tensorflow Serving lazy在执行预测时初始化模型DAG中的节点。这使得很难估计容纳整个模型所需的内存(RAM)。有没有一种标准的方法来强制Tensorflow服务完全初始化模型/将模型加载到内存中？
浏览 4提问于2019-05-07得票数 4
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
实时音视频活动推荐
腾讯云开发者
