Tensorflow变量/占位符示例
TensorFlow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。在TensorFlow中，变量和占位符是两个重要的概念。
- TensorFlow变量：
- 概念：变量是在TensorFlow中用于存储和更新模型参数的对象。它们在模型训练过程中可以被修改和优化。
- 分类：TensorFlow变量分为两类：全局变量和局部变量。全局变量在整个模型中共享，而局部变量只在特定的作用域中可见。
- 优势：使用变量可以方便地在模型训练过程中存储和更新参数，使得模型的训练更加灵活和高效。
- 应用场景：变量广泛应用于各种机器学习任务，如图像分类、自然语言处理、推荐系统等。
- 推荐的腾讯云相关产品：腾讯云AI Lab提供了强大的AI开发平台，其中包括了TensorFlow的支持和资源。您可以在腾讯云AI Lab中使用TensorFlow变量进行模型训练和部署。
- 产品介绍链接地址：腾讯云AI Lab
- TensorFlow占位符：
- 概念：占位符是在TensorFlow中用于接收外部输入数据的对象。它们在模型定义阶段被声明，但在模型运行阶段被填充实际的数据。
- 分类：占位符可以根据数据类型和形状进行分类，以适应不同类型和形状的输入数据。
- 优势：使用占位符可以方便地将外部数据传递给模型，使得模型的输入更加灵活和可控。
- 应用场景：占位符常用于训练过程中的数据输入，特别是在批量训练和迭代训练中。
- 推荐的腾讯云相关产品：腾讯云AI Lab提供了强大的AI开发平台，其中包括了TensorFlow的支持和资源。您可以在腾讯云AI Lab中使用TensorFlow占位符进行模型输入和输出的定义。
- 产品介绍链接地址：腾讯云AI Lab
总结：TensorFlow的变量和占位符是在模型训练和推理过程中非常重要的概念。变量用于存储和更新模型参数，而占位符用于接收外部输入数据。它们的使用使得模型的训练和推理更加灵活和高效。在腾讯云AI Lab中，您可以充分利用TensorFlow的变量和占位符进行机器学习模型的开发和部署。
相关·内容
我想用CW算法训练一些对抗性的例子，我用了一个来自的例子和一个来自的CW实现。但是我遇到了一个关于tf.zeros_initializer的错误
ValueError: The initializer passed is not valid. It should be a callable with no arguments and the shape should not be provided or an instance of
'tf.keras.initializers.*' and `shape` should be fully defined.
编辑：，似乎非完全
浏览 1提问于2019-06-25得票数 0
我是Tensorflow2.0 2.0的新手，我试着熟悉这个库。我对numpy做了很多工作，并注意到numpy和tensorflow变量是“兼容的”。但是，如果我在tensorflow中使用numpy变量或对象，那么每次都需要tf将这个变量转换为张量吗？如果使用Tensorflow，我应该将所有内容初始化为tf变量，还是应该根据numpy还是Tf使用它来决定呢？似乎很多数学操作也是在tf.math中实现的，我是否应该一起放弃numpy操作？顺便说一句，我不会用Tensorflow进行机器学习，而是主要使用Tensorflow概率进行抽样等等。
浏览 0提问于2019-07-24得票数 3
回答已采纳
我正在尝试熟悉TensorFlow，但我不确定占位符、变量等等。为了简单起见，我尝试创建一个非常简单的计算--一个占位符和一个变量，即占位符乘以2。
我把所有的东西都放在一个函数里，就像这样：
import tensorflow as tf
def try_variable(value):
x = tf.placeholder(tf.float64, name='x')
v = tf.Variable(x * 2, name='v', validate_shape=False)
with tf.Session() as session
浏览 0提问于2018-04-26得票数 3
回答已采纳
当我构建一系列张量时，tensorflow的操作函数(如tf.transpose(~)或tf.split(~) )会返回一个错误。
码
window = 60
len_feat= 15
X = tf.placeholder(tf.float32, shape=[None, window, len_feat]
X = tf.transpose(X, (1,0,2))
tf.Session().run(X, feed_dict={X: x}) #x has a shape (100, 60, 15)
误差
"shape (100, 60, 15) can't be reshape
浏览 0提问于2018-09-03得票数 1
回答已采纳
我是Tensorflow的新手，尝试了下面给出的线性回归代码：
import tensorflow as tf
import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
import matplotlib.pyplot as plt
boston=load_boston()
type(boston)
boston.feature_names
bd=pd.DataFrame(data=boston.data,columns=boston.feature_names)
bd['Pri
浏览 0提问于2018-07-21得票数 0
回答已采纳
1回答
我在神经网络的tensorflow中创建了模型。我保存了模型并将其恢复到另一个python文件中。
代码如下：
def restoreModel():
prediction = neuralNetworkModel(x)
tf_p = tensorFlow.nn.softmax(prediction)
temp = np.array([2,1,541,161124,3,3])
temp = np.vstack(temp)
with tensorFlow.Session() as sess:
new_saver = tensorFlow.
浏览 0提问于2016-12-15得票数 2
def CTcnn(shape=(None,SIZE,SIZE,1)):
x_input = tf.placeholder(tf.float32, shape=[None, 256,256, 1])
#s = tf.keras.layers.Lambda(lambda x: x / 255)(x_input)
encode_conv1 = Quad_conv_layer_same(x_input,shape=[3,3,1,15])
encode_conv2 = Quad_conv_layer_same(encode_conv1,shape=[3,3,15,15])
浏览 0提问于2021-02-23得票数 0
为什么我可以将浮点数转换为张量，如下所示：
tensor = convert(TensorFlow.Tensor{Float32}, 0.05)
<Tensor Cast_8:1 shape=() dtype=Float32>
而不是浮点数的张量。以下命令：
convert(Float32, tensor)
返回以下错误：
ERROR: MethodError: Cannot `convert` an object of type TensorFlow.Tensor{Float32} to an object of type Float32
This may have arisen
浏览 0提问于2018-05-22得票数 2
我使用Tensorflow编写了一个简单的单变量线性回归模型。
我正在尝试计算这个模型的决定系数(R平方)。
我将R_squared声明为tf.Variable (我还尝试将其声明为占位符，并仅将其声明为普通python变量)。
R_squared = tf.variable(0,name = 'R_squared')
prediction = tf.add(tf.multiply(X,W),b)
training_cost = tf.reduce_sum(tf.pow(prediction-Y,2))/(2 * n_samples)
unexplained_cost = tf
浏览 0提问于2017-10-05得票数 1
1回答
我是tensorflow的新手。我找到了这段代码，它训练了一个模型来最小化损失：
loss = -(tf.log(responsible_weight)*reward_holder)
optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.01)
update = optimizer.minimize(loss)
这里'reward_holder‘根据随机数给出1或-1。'responsible_weight‘是从占位符中选择的浮点数，其值也与随机数相关。我的问题是，在调整过程的每一步都更新了什么？resp
浏览 0提问于2017-11-29得票数 0
我只是想了解一下TensorFlow的命名行为，我仍然需要一些澄清。我在一个项目中遇到了张量命名的麻烦，因为它们是在一个函数中预定义的，这个函数后来被调用。
因此，我这里有以下示例：
import tensorflow as tf
def foo():
with tf.variable_scope("foo", reuse=True):
a = tf.placeholder(tf.float32,name="a")
b = tf.placeholder(tf.float32,name
浏览 109提问于2018-06-22得票数 2
回答已采纳
我试图理解TensorFlow中占位符和变量之间的区别：
X = tf.placeholder("float")
W = tf.Variable(rng.randn(), name="weight")
下面我还阅读了堆栈溢出的问题。当它们是模型的输入时，我理解它们的区别。
但是，总的来说，如果我们没有建立一个模型，那么tf.placeholder()和tf.Variable()之间还有什么区别吗？
浏览 3提问于2016-12-23得票数 13
回答已采纳
1回答
我的代码中有以下两行：
numSequences = tf.placeholder(tf.float32, shape=())
...
prediction = tf.reshape(predictionFlat, [numSequences, sequenceLength, vocabSize])
是否可以从numSequences张量中提取标量值，以便在定义prediction张量的形状时将其用作值？
编辑
下面是我的更多代码：
x = tf.placeholder(tf.float32, [None, sequenceLength, vocabSize])
y = tf.placehol
浏览 1提问于2017-08-02得票数 2
回答已采纳
1回答
我想要执行我的图形模型，但我有困难。守则是：
epoch_x, epoch_y = features, labels
sess.run(optimizer, feed_dict = {"x:0": epoch_x, "y:0": epoch_y})
错误是：
跟踪(最近一次调用) D:\AnacondaIDE\lib\site-packages\tensorflow\python\client\session.py in _run(self，handle，取)feed_dict，options，run_metadata)
1067 subfeed_t =sel
浏览 4提问于2017-11-30得票数 0
回答已采纳
2回答
我见过的每个TensorFlow示例都使用占位符将数据馈送到图形中。但是我的应用程序在没有占位符的情况下工作得很好。根据的说法，使用占位符是“最佳实践”，但它们似乎会使代码变得不必要地复杂。
在某些情况下，占位符是绝对必要的吗？
浏览 2提问于2017-07-10得票数 0
1回答
我正在尝试在Tensorflow中实现RNN，用于文本预测。为此，我使用BasicLSTMCell，序列长度为100。
如果我正确理解，每次输入一个新序列时，都会重置LSTM的输出激活h_t和激活c_t (也就是说，它们沿序列更新100次，但是一旦我们移动到批处理中的下一个序列，它们将被重置为0)。
有没有办法用Tensorflow来防止这种情况发生？也就是说，继续使用更新的c_t和h_t以及批处理中的所有序列？(然后在转移到下一批时重置它们)。
浏览 5提问于2016-11-26得票数 1
回答已采纳
系统信息: Mac OS Mojave
TensorFlow安装自(源代码或二进制文件)：pip install tensorflow
TensorFlow版本(如果来自源代码，则为github SHA )：1.12
我正在尝试将一个简单的卷积tensorflow模型转换为tensorflow lite。我已经有SavedModel格式的了。但是，当我尝试在保存的模型上运行转换工具时，我得到：
RuntimeError: TOCO failed see console for info. b"2018-12-30 15:40:54.449737: I tensorflow/contri
浏览 0提问于2019-01-02得票数 0
一个非常基本的错误。向占位符提供向量时，即使大小与占位符相同，tensorflow也会抛出错误。 import tensorflow as tf
import numpy as np
A = tf.constant(np.array([[1,2],[3,4]]))
B = tf.placeholder(tf.int32, shape = (2,1), name = 'B')
C = tf.Variable(tf.matmul(A,B), name='C')
temp = np.array([[1],[2]])
init = tf.global_varia
浏览 8提问于2019-02-21得票数 0
回答已采纳
我最近在tensorflow上工作，对tensorflow中的自动毕业有一些怀疑。假设我们有一个丢失的函数loss = sigmod (theta * x)，其中x是占位符，表示输出输入特征，theta是参数。当我们调用sess.run时，如何确定x或theta来计算梯度并对其进行更新。tf是否同时计算x和theta gradients的损失梯度w.r.t并同时更新它们？
浏览 3提问于2017-09-09得票数 0
1回答
假设我在tensorflow中有两个占位符值: placeholder_1和placeholder_2，本质上我想要以下计算功能：“如果定义了placeholder_1 (即在feed_dict of sess.run()中给出一个值)，则将X计算为f(placeholder_1)，否则，将X计算为g(Placeholder_2)”。把X看作是神经网络中的一个隐藏层，可以用这两种不同的方法任意计算。最后，我将使用X生成一个输出，并希望根据我使用的占位符将错误反向传播到f或g的参数上。
如果有一种使条件"placeholder_1有值“的方法，就可以使用placeholder_1(条件，
浏览 6提问于2017-04-03得票数 3
回答已采纳
我得到了以下错误：
anaconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/ops/gradients.py:90: UserWarning:将稀疏IndexedSlices转化为形状未知的密集张量。这可能会消耗大量内存。“将稀疏IndexedSlices转换为形状未知的密集张量。”回溯(最近一次调用)：
trainstep = tf.train.AdamOptimizer(0.0001).minimize(lossobj)
文件"anaconda2/envs/tensorflow/lib/pyth
浏览 5提问于2017-01-25得票数 0
2回答
我想使用TensorFlow来训练一些潜在的(直到运行时才可用)变量。我收到以下错误："ValueError:使用序列设置数组元素。“ 如果我用常量值初始化'a‘，我可以获得预期的结果，但我的应用程序不允许'a’的值在运行时之前是已知的，我打算在它们可用后使用梯度下降来改进它们。看起来'placeholder‘提供了这个功能，但我显然需要一些帮助才能正确使用它们。我想知道将潜在变量添加到TensorFlow图中的正确方法。这是一个简化的复制品： import tensorflow as tf
import numpy as np
a = tf.placeho
浏览 5提问于2019-04-18得票数 2
回答已采纳
我是机器学习和Tensorflow的新手，通过使用它的示例教程源代码，模型得到了训练和打印的准确性，但它不包括导出模型和变量的源代码，也不包括用于预测新图像的源代码。
因此，我修改了源代码以导出模型，并创建了一个新的python脚本，以便使用测试数据集进行预测。
下面是导出培训模型的源代码：
mnist = input_data.read_data_sets(FLAGS.data_dir, one_hot=True)
print("run here3")
# Create the model
x = tf.placeholder(tf.float32, [None, 784],
浏览 5提问于2017-04-07得票数 1
回答已采纳
2回答
我对TensorFlow非常陌生，我试着理解占位符的概念。假设我有一个形状为100x4的功能集。所以我有100行4种不同的功能。然后，目标为100x1形状。如果我想使用这两个矩阵作为训练集。我所做的是：
X = tf.placeholder(tf.float64, shape=X_train.shape)
Y = tf.placeholder(tf.float64, shape=y_train.shape)
W = tf.Variable(tf.random_normal([4, 1]), name="weight",dtype=tf.float32)
b = tf.Vari
浏览 3提问于2018-01-06得票数 2
回答已采纳
三周前我可以运行我的python程序，但现在每次我尝试运行它时，我都会得到以下错误： AttributeError: module 'tensorflow' has no attribute 'placeholder' 我安装了tensorflow (版本'2.0.0-alpha0')。我已经阅读了几篇与这个问题相关的文章。他们说我应该卸载TensorFlow，然后重新安装。问题是我在群集计算机上运行此程序，并且我没有sudo权限。 有什么想法吗？
浏览 172提问于2019-05-21得票数 8
如何使用小批量数据在TensorFlow中训练网络？在Deep-MNIST教程中，他们使用：
for i in range(1000):
batch = mnist.train.next_batch(50)
train_step.run(feed_dict={x: batch[0], y_: batch[1]})
我的问题是-具有维度的x和y_变量是否适合单个示例，而batch[0]和batch[1]是此类输入和输出的列表？在这种情况下，TensorFlow是否会自动为这些列表中的每个训练示例添加梯度？或者我应该创建我的模型，以便x和y_获得完整的小批量？
我的问题是，当我试图为它
浏览 4提问于2016-07-02得票数 6
回答已采纳
我正在寻找解决问题的想法/方向：
上下文：i有每小时的时间序列数据(即一天24小时中的每一行功能)，为期1000天。每小时，我都试图预测一个目标值。现在，，我更关心的是一天中某些小时的准确性，(例如08:00-18:00)和一天中剩下的几个小时的准确性。
Problem/Question:如何调整我的成本函数，以更多地关注这些关键时刻的准确性？还是用不同的方法来衡量数据集，给08:00-18:00更多的权重？
方法：--我在Tensorflow中编写了一个MLP，并使用均方误差作为我的成本函数，Adam作为优化器。虽然这种方法有利于提高总体精度(即>90%)，但在我们的关键时刻的准确度还
浏览 1提问于2017-01-16得票数 1
我刚开始使用Tensorflow。我有两个要作为输入的矩阵：
我的输出矩阵如下：
当我这样做的时候：
import tensorflow as tf
matrix1 = tf.placeholder();
matrix2 = tf.placeholder();
output_matrix = tf.placeholder();
这就足够了吗？如果矩阵是任意的，我不知道如何定义矩阵的形状和数据类型？
浏览 7提问于2018-01-15得票数 0
我正在学习一门Udemy课程，同时也是CNN和TensorFlow的初学者。当我运行一个会话时，我得到了InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder_1' with dtype float and shape [?,10]错误。
with tf.Session() as sess:
sess.run(init)
for step in range(1000):
batch_x,
浏览 2提问于2019-07-15得票数 1
我已经实现了一个tensorflow图像分类器，最后，sess.run每次都返回相同的np数组。我不知道为什么会这样？
有人能告诉我我做错了什么吗？
def predict():
train = data.train
test = data.test
tf.reset_default_graph()
(n_x, m) = train.images.T.shape #n_x is 784
X = xPlaceholder(n_x) ##return X of shape(784,)
with tf.Session() as sess:
new_saver
浏览 0提问于2018-05-26得票数 0
我正在构建一些复杂的神经网络模型，其中两个网络共享一些层。我的实现是创建2个tensorflow图，并在其间共享层/变量。然而，就在创建网络的过程中，发现了bug。
import tensorflow as tf
def create_network(self):
self.state_tensor = tf.placeholder(tf.float64, [None, self.state_size], name="state")
self.action_tensor = tf.placeholder(tf.float64, [None, self.actio
浏览 1提问于2017-04-21得票数 7
我对tensorflow相对较新，我正在从事关系分类工作。我会明智地列出我的问题，以便清楚地指出我的错误(我肯定这是个愚蠢的错误)：
对于单词嵌入层，我需要用张量初始化tf变量，该变量的大小超过2GB。因此，我遵循了提供的解决方案，并更改了代码。
更改前的代码段：
train.py
if FLAGS.model_type == 'cnn':
with tf.Graph().as_default():
session_conf = tf.ConfigProto(
allow
浏览 0提问于2018-08-01得票数 0
回答已采纳
TLDR:如何在Android上使用冻结的tensorflow图中的变量？
1.我想做的事
我有一个Tensorflow模型，它将内部状态保持在多个变量中，使用：state_var = tf.Variable(tf.zeros(shape, dtype=tf.float32), name='state', trainable=False)创建。
此状态在推理过程中被修改：
tf.assign(state_var, new_value)
我现在想在Android上部署这个模型。我能够让Tensorflow示例应用程序运行。在那里，一个冻结的模型加载，这是很好的工作。
2.从冻
浏览 3提问于2018-06-07得票数 0
回答已采纳
1回答
我试图修改TensorFlow MNIST示例，以便在生成结果之前将占位符输入值传递给一个变量进行操作。
例如：
import tensorflow as tf
# create placeholder/weights/biases
input_x = tf.placeholder(tf.float32, [None, 784])
input_W = tf.Variable(tf.zeros([784, 10]))
input_b = tf.Variable(tf.zeros([10]))
# Create the new variable
var_x = tf.Variable(tf.z
浏览 2提问于2017-04-26得票数 1
我试图在TensorFlow tutorial here上运行完全相同的代码。 当我说到行的时候： predictions = model(x_train[:1]).numpy() 我得到了错误： 'numpy.ndarray'对象没有属性'get_shape' 我在here上看到有人遇到了类似的问题，所以我把这一行改为： predictions = model(tf.convert_to_tensor(x_train[:1])).numpy() 我得到了错误： 'MatMul' Op的输入'b'的类型float32与参数
浏览 31提问于2020-04-28得票数 0
我正在尝试编写我自己的基本seq2seq分类器。Im是通过使用tf.nn.dynamic_rnn来完成这一任务的，代码如下所示。然而，我要发送给tf.nn.dynamic_rnn的张量的形状似乎有问题。我这么做的原因是，当涉及到seq2seq时，tensorflow的文档到处都是。
正在运行
import numpy as np
source_batch = np.random.randint(x_letters, size=[batch_size, x_seq_length])
target_batch = np.random.randint(y_letters, size=[batch_s
浏览 4提问于2017-09-26得票数 0
回答已采纳
我试图实现以下代码。
import tensorflow as tf
a = tf.placeholder(tf.int32)
b = tf.placeholder(tf.int32)
def initw(a,b):
tf.Variable(tf.sign(tf.random_uniform(shape=[a,b],minval=-1.0,maxval=1.0)))
bla = initw(a,b)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
print(sess.
浏览 0提问于2018-04-30得票数 0
回答已采纳
我正在使用TFRecordDataset迭代器作为输入来训练Keras模型。训练阶段运行良好，但是当我调用model.predict时，模型仍然使用训练数据作为输入而不是新的数据。
# Load data as tensorflow iterator on a TFRecordDataset
X, y = loader.load_training_tensor_iterator()
X_test, y_test = loader.load_test_tensor_iterator()
# Build the model
input_layer = Input(tensor=X)
reshap
浏览 1提问于2018-12-02得票数 2
回答已采纳
我正在编写一个使用Tensorflow进行手写识别的程序。
我遵循了TF网站上的教程，但我的代码有一些问题。
下面是我的代码：
def weight_variable(shape):
initial = tf.truncated_normal(shape, stddev = 0.05)
return tf.Variable(initial)
def bias_variable(shape):
initial = tf.constant(0.1, shape = shape)
return tf.Variable(initial)
#x
x = tf.placeholder(
浏览 1提问于2017-06-11得票数 1
我正在尝试转换数据从csv到tfrecords，然后读取它在小批量和做一个简单的MLP，但我得到了一些错误，我无法弄清楚。
RuntimeError:尝试使用封闭会话。
其次是：
TypeError:提要的值不能是tf.Tensor对象。可接受的提要值包括Python标量、字符串、列表或numpy ndarray。
我猜洗牌批队列正在关闭，不再输入预期的数据。此外，我认为我错过了一个步骤，从洗牌队列到饲料迪克。有什么想法，如何使这一工作或更好的方式做它？
这是我的代码：
import numpy as np
import tensorflow as tf
import pand
浏览 1提问于2017-01-24得票数 1
回答已采纳
我是Tensorflow和Theano的新手。
Tensorflow中的等价物Theano.tensor.ivector是什么？
例如,
x = Theano.tensor.ivector('x')
y = Theano.tensor.ivector('y')
浏览 69提问于2017-05-06得票数 1
回答已采纳
这是我在MNIST数据集上测试量化的示例。我正在使用以下代码测试我的模型：
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
from tensorflow.python.framework import graph_util
from tensorflow.core.framework import graph_pb2
import numpy as np
def test_model(model_file,x_in):
with tf.Session() as
浏览 1提问于2017-11-26得票数 6
我有一个简单的模型：
import tensorflow as tf
from tensorflow.python.framework.graph_util import convert_variables_to_constants
input_shape = (28, 28, 1)
l = tf.keras.layers
model = tf.keras.Sequential([
l.Conv2D(32, 5, padding='same', activation='relu', input_shape=input_shape),
])
字面上说，一
浏览 3提问于2019-09-18得票数 1
我正在尝试使用TensorFlow的 (在TensorFlow版本1.12.0中实现)建立一个神经网络。请考虑以下例子：
import tensorflow as tf
from tensorflow.contrib.layers import fully_connected
from tensorflow.contrib.nn import alpha_dropout
import numpy as np
N_data = 100
x_in = tf.placeholder(tf.float32, shape=[None, N_data], name="x_in")
kee
浏览 1提问于2019-04-23得票数 1
回答已采纳
我有一个现有的经过训练的模型(特别是tensorflow word2vec https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/udacity/5_word2vec.ipynb)。我很好地恢复了现有的模型： model1 = tf.train.import_meta_graph("models/model.meta")
model1.restore(sess, tf.train.latest_checkpoint("model/")) 但我不知道如何使用新加载(和训练
浏览 22提问于2019-01-31得票数 0
回答已采纳
当我运行下面的代码时，我遇到了这个错误，试图获得测试数据的预测。通过打印出操作名，我看不到名为Placeholder_4的操作，并且可以看到名为prediction_output的操作。
with tf.Session() as sess:
imported_meta = tf.train.import_meta_graph("test-model-220.meta")
imported_meta.restore(sess, tf.train.latest_checkpoint('./'))
graph = tf.get_default
浏览 0提问于2018-06-28得票数 0
1回答
注:我已经尝试了不同的解决方案，所以问题没有成功，详情如下。
我正在学习cleverhans Pyhton教程，重点是代码(keras )。我有一些基本的知识，但我刚刚开始使用Tensorflow (完全是新手)。
我试图可视化在这段代码中生成的反版本映像(引用链接的cleverhans源代码)：
# Initialize the Fast Gradient Sign Method (FGSM) attack object and graph
fgsm = FastGradientMethod(wrap, sess=sess)
fgsm_params = {'eps': 0.3
浏览 0提问于2018-09-21得票数 2
回答已采纳
我目前正在深入研究tensorflow，我对tf.nn.Conv2d(input, filter, strides, padding)的正确使用感到有点困惑。虽然乍一看它看起来很简单，但我无法理解以下问题：
对我来说，filter, strides, padding的使用是显而易见的。然而，不清楚的是input的正确应用。
我来自一个强化学习Atari (Pong)问题，在这个问题中，我想使用网络进行批量培训，并且(以一定的概率)进行每一步的预测。这意味着，为了训练，我给网络提供了一整批，比如说100，每个单元由3帧组成，大小为160,128。使用tensorflow的NHWC格式，我对inp
浏览 1提问于2018-11-29得票数 1
回答已采纳
我想在tensorflow中创建一个密集的图层。我尝试了tf.layers.dense(input_placeholder, units)，它将直接创建这个层并获得结果，但我想要的只是一个“层模块”，即类tf.layers.Dense(units)的一个对象。我想先在类中声明这些模块/层，然后有几个成员函数apply1(x, y)、apply2(x,y)来使用这些层。但是当我在tensorflow tf.layers.Dense(units)上做的时候，它回来了：
layer = tf.layers.Dense(100) AttributeError：“模块”对象没有属性“稠密”
但是
浏览 5提问于2017-10-02得票数 2
我是Tensorflow的新手，我在tensorflow 1.0中使用了tensorflow.placeholder()。但是是否有任何占位符的替代。
浏览 11提问于2020-01-07得票数 1
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
