tensorflow conv2d_transpose梯度
TensorFlow中的conv2d_transpose是一个用于反卷积操作的函数。它用于将输入数据通过卷积核进行反卷积操作，从而实现上采样或者图像恢复的功能。
梯度（Gradient）是指函数在某一点处的变化率或者斜率。在机器学习和深度学习中，梯度是指损失函数对于模型参数的偏导数。通过计算梯度，我们可以确定损失函数在当前参数值处的变化方向，从而更新模型参数以最小化损失。
TensorFlow中的conv2d_transpose梯度是指在反卷积操作中计算损失函数对于conv2d_transpose函数输入的梯度。这个梯度可以用于反向传播算法中更新模型参数。
分类： conv2d_transpose是一个用于反卷积操作的函数，属于神经网络中的卷积操作。
优势：
- 上采样：conv2d_transpose可以将输入数据进行上采样，从而增加图像的尺寸和细节。
- 图像恢复：通过反卷积操作，可以将经过卷积操作的图像恢复到原始尺寸。
应用场景：
- 图像生成：conv2d_transpose可以用于生成高分辨率图像，如超分辨率图像生成。
- 物体检测：在物体检测任务中，conv2d_transpose可以用于生成更精确的物体边界框。
推荐的腾讯云相关产品和产品介绍链接地址： 腾讯云提供了丰富的人工智能和云计算服务，以下是一些相关产品：
- 人工智能计算机视觉（CV）：https://cloud.tencent.com/product/cv
- 人工智能自然语言处理（NLP）：https://cloud.tencent.com/product/nlp
- 人工智能语音识别（ASR）：https://cloud.tencent.com/product/asr
- 人工智能机器翻译（MT）：https://cloud.tencent.com/product/mt
- 人工智能语音合成（TTS）：https://cloud.tencent.com/product/tts
以上是关于tensorflow conv2d_transpose梯度的完善且全面的答案。
相关·内容
最近我一直试图理解tensorflow的tf.nn.conv2d_transpose，但是我很难理解它的输入参数。它的定义是：
tf.nn.conv2d_transpose(value, filter, output_shape, strides, padding='SAME')
例如，假设我有一个大小为[batch_size, 7, 7, 128]的图像，并希望将其转换为[batch_size, 14, 14, 64]。然后是output_shape=[batch_size, 14, 14, 64]，strides=[2,2]，但是我不知道如何得到过滤器的形状。有什么想法吗？
浏览 0提问于2018-04-11得票数 1
回答已采纳
我在使用conv2d_transpose时收到此错误消息
W tensorflow/core/common_runtime/executor.cc:1102] 0x7fc81f0d6250 Compute status: Invalid argument: Conv2DBackpropInput: Number of rows of out_backprop doesn't match computed: actual = 32, computed = 4
[[Node: generator/g_h1/conv2d_transpose = Conv2DBackpropInput[T=
浏览 4提问于2016-02-19得票数 21
回答已采纳
我试图在conv2d_transpose中使用批处理规范化，如下所示：
h1 = tf.layers.conv2d_transpose(inputs, 64, 4, 2, padding='SAME',
kernel_initializer=tf.variance_scaling_initializer,
bias_initializer=tf.ones_initializer,
activity_regularizer=tf.layers.batch_normalization,
)
h2 = tf.layers.conv2d_transpose(h1
浏览 3提问于2017-11-27得票数 0
回答已采纳
我正在尝试堆叠2层tf.nn.conv2d_transpose()来增加张量的样本。它在前馈过程中工作得很好，但是在反向传播过程中我得到了一个错误：ValueError: Incompatible shapes for broadcasting: (8, 256, 256, 24) and (8, 100, 100, 24)。
基本上，我只是将第一个conv2d_transpose的输出设置为第二个的输入：
convt_1 = tf.nn.conv2d_transpose(...)
convt_2 = tf.nn.conv2d_transpose(conv_1)
只使用一个conv2d_tra
浏览 2提问于2016-05-25得票数 6
回答已采纳
我正在尝试移植一些在Tensorflow上使用CUDNN的代码。大多数aws很容易移植，但是我在将cudnnConvolutionBackwardFilter移植到Tensorflow时遇到了问题。我尝试使用conv2d和conv2d_transpose，但它们都不适用于这种配置。这意味着我有[N, V, V, C]和[N, F, F, K]形式的输入，我需要一个[V-F, V-F, C, K]输出。我想做一个循环，做所有的卷积和结果的求和，但是我没有在tensorflow图中找到这样一个循环的方法。
我如何将这样的代码翻译成Tensorflow？
浏览 0提问于2016-12-15得票数 1
回答已采纳
1回答
我使用的是tensorflow 1.0.0，我想访问tensorflow.layers模块。该模块似乎存在：
In [12]: dir(tensorflow.layers)
Out[12]:
['__builtins__',
'__doc__',
'__file__',
'__name__',
'__package__',
'_allowed_symbols',
'average_pooling1d',
'average_pooling2d',
&#
浏览 1提问于2017-02-24得票数 5
我正在尝试使用以下代码恢复模型：
new_saver = tf.train.import_meta_graph(model_path+'.meta')
new_saver.restore(sess, model_path)
g=tf.get_default_graph()
对于原始图形中的每个权重或偏差，我都做了g.get_tensrr_by_name()。但当我尝试在deconv2d层上执行此操作时，如下所示：
def deconv2d(self,inputs, num_outputs, kernel_shape, g,scope,strides=[1, 1]):
wit
浏览 2提问于2017-04-05得票数 1
我想在TensorFlow中构建分类器时，使用带有动量的梯度下降(跟踪以前的梯度)。
所以我不想使用tensorflow.train.GradientDescentOptimizer，但我想使用tensorflow.gradients来计算梯度，跟踪以前的梯度，并根据它们更新权重。
我如何在TensorFlow中做到这一点？
浏览 16提问于2016-08-26得票数 5
我正在经历中的TensorFlow Eager，我发现很难理解定制渐变的部分。
@tfe.custom_gradient
def logexp(x):
e = tf.exp(x)
def grad(dy):
return dy * (1 - 1/(1 + e))
return tf.log(1 + e), grad
首先，很难理解dy在梯度函数中做了什么。
当我读到tf.contrib.eager.custom_gradient的实现时。我真的不能理解磁带背后的工作机制。下面是我从tf.contrib.eager.custom_gradient实现中借用
浏览 2提问于2018-03-22得票数 1
1回答
我对tensorflow相当陌生，我看过一些教程，但我不知道tf.gradients()是如何工作的。如果我给它两个二维矩阵的输入，它将如何计算偏导数？我真的很困惑，请帮助我，如果你可以，这将是一个很大的帮助。
import tensorflow as tf
import numpy as np
X = np.random.rand(3,3)
y = np.random.rand(2,2)
grad = tf.gradients(X,y)
with tf.Session() as sess:
sess.run(grad)
print(grad)
这就产生了一个错误：
回溯
浏览 4提问于2017-05-12得票数 2
回答已采纳
1回答
我在第二层使用乙状结肠激活，然后在最后一层使用tf.images.resize_images()进行调整大小。
目标张量的最大值为1.0。在骰子错误成本函数中。
def dice(y_true, y_pred):
return 1.0-dice_coef(y_true, y_pred, 1e-5, 0.5)
def dice_coef(y_true, y_pred, smooth, thresh, axis = [1,2,3]):
y_pred = K.round(y_pred)
inse = K.sum(K.dot(y_true, K.transpose(y_pre
浏览 4提问于2017-09-12得票数 2
回答已采纳
我理解自动微分的概念，但找不到任何解释tensorflow如何计算不可微函数的误差梯度，例如我的丢失函数中的tf.where或图形中的tf.cond。它工作得很好，但是我想了解tensorflow是如何通过这样的节点反向传播错误的，因为没有计算它们的梯度的公式。
浏览 1提问于2018-11-08得票数 9
回答已采纳
在TensorFlow或Theano中，你只告诉图书馆你的神经网络是怎样的，以及前馈应该如何操作。
例如，在TensorFlow中，您可以编写：
with graph.as_default():
_X = tf.constant(X)
_y = tf.constant(y)
hidden = 20
w0 = tf.Variable(tf.truncated_normal([X.shape[1], hidden]))
b0 = tf.Variable(tf.truncated_normal([hidden]))
h = tf.nn.softma
浏览 2提问于2016-02-11得票数 10
回答已采纳
1回答
一些Tensorflow操作(例如tf.argmax)是不可微的(即在反向传播中没有计算和使用梯度)。
对的回答建议在Tensorflow代码中搜索RegisterGradient。我还注意到Tensorflow有一个tf.NotDifferentiable应用程序接口调用，用于声明操作是不可区分的。
如果我使用不可微函数，是否会发出警告？有没有一种编程的方法来确保我的整个计算图是可微的？
浏览 10提问于2017-08-21得票数 3
conv2d_transpose()操作的文档没有清楚地解释它的作用：
conv2d的转置。
这种操作有时被称为之后的“反卷积”，但实际上是conv2d的转置(梯度)，而不是实际的反卷积。
我看了医生所指的那篇论文，但没有帮助。
这个操作是做什么的，你为什么想要使用它的例子有哪些？
浏览 66提问于2016-09-07得票数 45
回答已采纳
1回答
我正在为情绪分类做一个RNN，同时使用多到一个结构。为了使我的RNN能够在HTML文件中运行。
为了使问题简短和简单：
什么是Tensorflow的Tensorflow.js ( python版本) tf.train.GradientDescentOptimizer(1.0).minimize(loss)
浏览 0提问于2020-08-14得票数 1
回答已采纳
下面的代码计算实对称矩阵的特征值分解。然后，计算第一特征值相对于矩阵的梯度。这是三次完成的: 1)使用解析公式，2)使用TensorFlow，3)使用PyTorch。这会产生三种不同的结果。有人能给我解释一下这种行为吗？
import numpy as np
import torch
import tensorflow as tf
np.set_printoptions(precision=3)
np.random.seed(123)
# random matrix
matrix_np = np.random.randn(4, 4)
# make symmetric
matrix_np
浏览 4提问于2019-11-14得票数 3
1回答
我最近读了一段Pytorch代码，遇到了loss.backward()和optimizer.step()函数，有没有类似于使用tensorflow/keras的函数呢？
浏览 2提问于2020-05-05得票数 6
当我使用tensorflow训练我的模型时，我遇到了一个令人困惑的问题，我得到了一个错误，如下所示：
更令人困惑的是，训练可以运行一些步骤，我的batch_size = 64，当训练达到101步时，训练停止并抛出这个错误。
我想用TensorFlow来训练我的模型，我想先用conv2d_transpose来实现上采样，然后再用conv2d，在每个conv2d_transpose之后，我在conv2d_transpose后面添加一个batch_normalization。
但是当我训练我的模型时，我遇到了一个令人困惑的问题，模型可以运行一些步骤，但是当它达到一定的步骤时，它会抛出一个问题。
问题
浏览 1提问于2019-04-02得票数 0
因此，我有一个数据语料库，其中包括一组特定的三维点云。我想用这些数据来训练神经网络，这样它就可以创建自己独特的3D点云数据，以便以后进行网格转换。
到目前为止，我的研究揭示了:有一个名为PointNet：的库，它用于点集或3D点云的深度学习，它使用Tensorflow。
我不明白的是，在训练NN之后，您如何使用该NN，然后基于它的训练来创建一个3D点云？
浏览 1提问于2018-10-18得票数 1
1回答
我正在使用TensorFlow实现一些基本的ML代码。我想知道是否有人能给我一个简短的解释，在以下功能的步骤大小和学习率的含义和区别。
我使用设置参数学习速率，使用设置步骤数。我一直在查阅关于这些函数的tensorflow.org文档，但我仍然没有完全理解这些参数的含义。
谢谢，如果我还能提供更多的信息，请告诉我。
浏览 2提问于2020-01-25得票数 4
回答已采纳
我正在读TensorFlow教程()。
我对此有两个问题：
为什么它要使用cost function with y_ * log(y)？不是应该是y_ * log(y) + (1-y_) * log(1-y)吗
TensorFlow如何知道如何计算我使用的cost function的gradient？我们是不是该找个地方告诉TensorFlow如何计算gradient
谢谢!
浏览 0提问于2016-04-25得票数 4
回答已采纳
我正在学习如何使用Tensorflow，在这一点上，我真的被困住了，无法理解它。假设我有一个5层的网络，其输出由output表示。现在假设我想找出output相对于layer_2的梯度。为此，我将在Tensorflow中编写如下代码：
gradients_i_want = tf.gradients(output, layer_2)
从理论上讲，这个梯度应该通过链式法则来计算。我想问一下，Tensorflow是通过链式规则计算这些梯度，还是只取output对layer_2的导数
浏览 5提问于2018-02-10得票数 0
回答已采纳
我试图通过Tensorflow编写一个具有自定义丢失功能的Keras 2 LSTM：
model.compile(loss=in_top_k_loss, optimizer='rmsprop', metrics=[bin_crossent_true_only, 'binary_crossentropy', 'mean_squared_error', 'accuracy'])
我的培训集有不同大小的时间维度的示例，因此我使用train_on_batch，其中每个批只包含具有相同时间维度的实例。批次大小是256。以下代码在第一个时代(
浏览 0提问于2017-04-20得票数 2
回答已采纳
1回答
我试图在TensorFlow 2.0中用GP实现WGAN。要计算梯度惩罚，需要计算与输入图像相关的预测的梯度。
现在，为了使它更易于处理，它不需要计算所有输入图像的预测梯度，而是按照原始数据点和假数据点的线计算插值数据点，并使用这些数据点作为输入。
为了实现这一点，我首先开发compute_gradients函数，它将进行一些预测，并返回那些相对于某些输入图像的梯度。首先，我想用tf.keras.backend.gradients来做这件事，但是它不能在急切的模式下工作。所以，我现在尝试使用GradientTape来完成这个任务。
下面是我用来测试事物的代码：
from tensorflow.
浏览 2提问于2020-03-19得票数 1
回答已采纳
目标：
我试着用Tensorflow和numpy测试一种训练算法。我想提取渐变到numpy，操作它们，然后将它们应用到Tensorflow的变量中。
我知道这种方法效率低下。我这么做是因为我在numpy中的实现是有效的，而且我正在尝试首先找出如何操作Tensorflow中的渐变。
我有什么
这是我所拥有的一个总结。
# Extract Gradients and Values
tgv = tf.train.GradientDescentOptimizer(learning_rate=0.05).compute_gradients(cross_entropy, var_list=[W1, b1,
浏览 0提问于2019-08-02得票数 0
我正在尝试切换到TensorFlow热切模式，我发现GradientTape、implicit_gradients、gradients_function和implicit_value_and_gradients的文档令人费解。
他们之间有什么区别？我什么时候应该用一个而另一个呢？
根本没有提到隐式*函数，但是TensorFlow存储库中的几乎所有示例似乎都使用该方法来计算梯度。
浏览 1提问于2018-04-30得票数 11
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
在实践中，我想在tensorflow中实现一个模型，它给出输入的平方。我的代码工作正常，但是当我查看TensorBoard中的计算图时，丢失操作没有连接到梯度子图，也没有连接到Adam。为什么会这样呢？据我所知，计算梯度时，tensorflow必须导出损失。
这是我的代码：
import numpy as np
import tensorflow as tf
np_inp = np.array([3, 6, 4, 2, 9, 11, 0.48, 22, -2.3, -0.48])
np_outp = np.power(np_inp, 2)
inputs = tf.Variable(np_i
浏览 5提问于2019-09-04得票数 1
回答已采纳
我正在读一本书(TensorFlow For Dummies，Matthew Scarpino)，这里说：
Adagrad方法计算的是次梯度而不是梯度。次梯度是适用于不可微函数的梯度的推广。这意味着AdaGrad方法可以优化可微函数和不可微函数。
但我在其他地方都没见过这样的说法。所以我想知道：
我们真的可以仅仅因为我们使用Adagrad而优化不可微损失函数吗？
浏览 0提问于2019-02-16得票数 3
回答已采纳
我刚开始学习tensorflow，在使用tf.gradients和tf.hessain函数时遇到了以下错误。下面给出了tf.gradients的代码和错误。
import tensorflow as tf
a = tf.placeholder(tf.float32,shape = (2,2))
b = [[1.0,2.0],[3.0,4.0]]
c = a[0,0]*a[0,1]*a[1,0] + a[0,1]*a[1,0]*a[1,1]
e = tf.reshape(b,[4])
d = tf.gradients(c,e)
sess = tf.Session()
print(sess.run
浏览 4提问于2017-04-28得票数 2
回答已采纳
我正在为tensorflow实现一个准牛顿优化器，我的问题是，当优化器apply_gradients函数在minimize函数中被调用时，梯度是否适用于张量在那个时刻发生的值？
干杯，谢尔盖
浏览 6提问于2017-03-12得票数 0
回答已采纳
在运行tensorflow代码时，我得到了以下错误：
Traceback (most recent call last):
File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/tensor_shape.py", line 579, in merge_with
new_dims.append(dim.merge_with(other[i]))
File "/usr/local/lib/python3.5/dist-packages/tensorflow/pytho
浏览 0提问于2018-04-13得票数 3
回答已采纳
tensorflow如何单独优化批次的元素损失，而不是优化批次损失？ 在对每个批次的损失进行优化时，常用的方法是对所有批次的元素损失进行求和或取其平均值作为批次损失，然后对该批次损失进行优化。在我的例子中，我想单独优化每个元素的损失，而不是将它们一起减少为批量损失。 例如，在以下代码中。 losses = tf.nn.nce_loss(<my batch inputs here>)
loss = tf.reduce_mean(losses)
optim = tf.nn.GradientDesentOptimizor(learning_rate = 0.01).minimize(l
浏览 17提问于2019-04-19得票数 0
假设您需要创建一个仅使用预定义的tensorflow构建块无法实现的激活函数，您该怎么办？
因此，在Tensorflow中，可以创建自己的激活函数。但它相当复杂，你必须用C++编写它，然后重新编译整个tensorflow 。
有没有更简单的方法？
浏览 4提问于2016-10-08得票数 57
回答已采纳
我想在Tensorflow中使用一个预先训练过的Pytorch模型，并且我需要将tensorflow张量转换为pytorch张量。但是，我不想将Py手电筒张量转换为numpy数组，并将其转换为tensorflow张量，因为我得到的错误是“您必须为占位符张量提供一个值”。当我制作图形时，我需要这个转换，这样tensorflow张量就没有价值了，并且不能转换为numpy！有什么解决办法吗？
浏览 5提问于2021-01-24得票数 2
回答已采纳
我在急切的执行中使用TensorFlow 1.12，并且为了调试目的，我希望在训练期间检查渐变和权重的值。使用TensorBoard获得了很好的权重图和历次梯度分布图，这就是我想要的。然而，当我使用时，我得到了以下内容：
WARNING:tensorflow:Weight and gradient histograms not supported for eagerexecution, setting `histogram_freq` to `0`.
换句话说，这与急切的执行不兼容。还有其他方法来打印渐变和/或奇异值吗？大多数非TensorBoard的答案似乎依赖于基于图形的执行。
浏览 1提问于2019-09-08得票数 6
回答已采纳
1回答
我一直在跟踪使用实现的pyTorch，并希望使用Tensorflow和Keras进行测试。我在Keras中使用了相同的加权模型(VGG16)，并且能够成功地执行向前通过和元素的分区。
# keras-tensorflow implementation
z = incr(clasifierLayers[l](A[l])) # forward pass step(1)
s = (R[l+1]/z) # Element wise division step(2)
但是我在重新创建反向传递时遇到了麻烦。在使用的原始代码( pyTorch )中，向后传递将使用
# pyTorch implementat
浏览 7提问于2020-06-24得票数 2
当我使用numpy数学时，为什么GradientTape返回None
我正在尝试理解RL损失函数的tensorflow GradientTape计算。当我使用np.math调用函数时，GradientTape返回None。如果我在函数中使用tf.math，它工作得很好。我正在尝试做什么(我已经尝试了至少50个其他版本)。下面的代码有什么问题？我遗漏了什么？
窗口10，python 3.6.8，tensorflow 2.0.0参考：
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
def my
浏览 0提问于2020-01-26得票数 1
我刚开始学习tensorflow，在使用tf.gradients函数时遇到了以下错误。下面给出了tf.gradients的代码和错误。
Python代码：
import tensorflow as tf
if __name__ =='__main__':
os.environ['CUDA_VISIBLE_DEVICES'] = "0"
w1 = tf.Variable([[1, 2]])
w2 = tf.Variable([[2], [1]])
res = tf.matmul(w1,w2)
gra
浏览 1提问于2019-04-01得票数 0
我需要在TensorFlow中实现感知器，但是heaviside (单元步骤)激活似乎在TensorFlow中不可用。它不在tf.中，不在tf.nn.中，也不在tf.keras.activations.中。我猜是因为TensorFlow是基于梯度的库，而heaviside激活没有梯度。
我不知道为什么这个基本功能不存在。有什么解决办法吗？制造一个感知器。
浏览 4提问于2019-12-27得票数 0
回答已采纳
根据这个文档，说
Defined in tensorflow/python/ops/gen_nn_ops.py.
但是，当我转到tensorflow/python/ops/gen_nn_ops.py时，没有定义l2_loss。
我想看看使用tf.nn.l2_loss(W)和仅仅使用tf.reduce_sum(tf.square(W))之间有什么区别。
浏览 5提问于2017-10-10得票数 0
回答已采纳
我正在使用Tensorflow，并且正在使用已经为TensorFlow1 (https://github.com/openai/maddpg/blob/master/maddpg/common/tf_util.py)实现的代码。在将代码迁移到tensorflow 2时，我能够使用在线提供的文献进行大多数更改。但是，我找不到145行的合适替代品： gradients = optimizer.compute_gradients(objective, var_list=var_list) 这将抛出一个错误 Attribute Error: 'Adam' object has no
浏览 429提问于2021-05-07得票数 4
我正在尝试使用TensorFlow的@tf.custom_gradient功能为具有多个输入的函数指定自定义渐变。我可以只为一个输入设置工作，但不能为两个或更多输入设置。 我的代码基于TensorFlow's custom_gradient documentation，它对于一个输入来说工作得很好，如下例所示： import tensorflow as tf
import os
# Suppress Tensorflow startup info
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
# Custom gra
浏览 44提问于2019-01-05得票数 1
回答已采纳
在tensorflow中，RMSPROP优化器可以与tf.train.RMSPropOptimizer函数一起使用，如下所示(这与tensorflow版本1.4相关)。
tf.train.RMSPropOptimizer(
learning_rate, decay=0.9, momentum=0.0, epsilon=1e-10, use_locking=False,
centered=False, name='RMSProp'
)
但它并不表示如何初始化每个权重的平方梯度的移动平均值。tensorflow如何初始化它？
浏览 0提问于2020-06-22得票数 0
回答已采纳
1回答
我试图用tensorflow 2.6.0绘制显着性地图。我用tensorflow.keras.models.Sequential定义了模型并完成了训练。但是，当我试图计算这样的梯度时：
with GradientTape(persistent=True) as tape:
tape.watch(image)
result = model.predict(image)[:, 4]
gradient = tape.gradient(result, image)
其中，image是张量，而[:, 4]是为这个图像选择实际的标签。
image.shape = (1, 48, 4
浏览 4提问于2021-11-01得票数 1
回答已采纳
我正在使用tensorflow.keras构建一个简单的LSTM模型，并希望使用sequence_loss，但它不适用于我当前的设置。
我的输入总是4个单词，目标移动了1个单词：[w1, w2, w3, w4] -> [w2, w3, w4, w5]
我知道sequence_loss需要一个权重参数，所以我不得不编写一个包装器来让它在keras中工作，但我在对齐矩阵的形状时遇到了问题。
import tensorflow as tf
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Em
浏览 1提问于2020-01-10得票数 0
为什么TensorFlow给我运行时错误(在标题中)？
我使用WinPython3.5.4.2并安装了TensorFlow 1.8.0。我一直在关注的教程，直到题为“训练循环”的部分。
---------------------------------------------------------------------------
RuntimeError Traceback (most recent call last)
<ipython-input-9-e08164fd8374> in <module>(
浏览 0提问于2018-05-09得票数 4
回答已采纳
我已经为我的自定义操作实现了一个内核，并将它作为custom_op.cc放到custom_op.cc中。在Op内部，我做所有的注册工作，比如REGISTER_OP和REGISTER_KERNEL_BUILDER。
然后，我在Python中实现了这个Op的梯度，并将它放在与custom_op_grad.py相同的文件夹中。我在这里也做了所有的注册(@ops.RegisterGradient)。
我已经创建了构建文件，其内容如下：
load("//tensorflow:tensorflow.bzl", "tf_custom_op_library")
tf_custo
浏览 7提问于2016-05-29得票数 0
回答已采纳
我读过和，但对于使用TensorFlow及其参数服务器体系结构所能完成的分布式培训背后的动态，我仍然有一些疑问。这是来自分布式TensorFlow文档的代码片段：
if FLAGS.job_name == "ps":
server.join()
elif FLAGS.job_name == "worker":
# Assigns ops to the local worker by default.
with tf.device(tf.train.replica_device_setter(
worker_devic
浏览 1提问于2018-03-07得票数 3
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
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
