我正在使用Keras和tensorflow后端来训练一个有多个输出但只有一个损失的模型(输出层“部件”上的MSE)。它的定义如下: model = Model(inputs=[image, year], outputs=outputs) # outputs is a list of 8 output layers
model_parallel = keras.utils.multi_gpu_model(model, gpus=2, cpu_merge=True, cpu_relocation=False)
losses = {'parts': keras.losses.mea
我有下面的代码告诉我"Tensorflow没有为任何变量提供渐变“ 您可以在这里找到可以执行的代码: Reproducible Code import tensorflow as tf
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Input, Flatten, Dense, Dropout, Lambda
from tensorflow.keras.optimizers import RMSprop
from tensorflow.keras.datasets import
我使用的是python 3.7和Tensorflow 2.2.0。我想从头开始训练MobileNet-V2,因此我采用了已经构建的模型,并向所有需要的层添加了正则化器。这个模型编译得很好,我能够对它进行拟合。但是,在保存模型时,我遇到了以下错误: File "/mnt/disk1/anaconda3/envs/py37/lib/python3.7/site-packages/tensorflow/python/saved_model/nested_structure_coder.py", line 82, in _map_structure
"No enc
这是我为CNN创建的代码,但我注意到损失/时期图上的这些峰值,我无法解释。我尝试了adam optimizer,但结果仍然相同。我试图对恶性或良性乳腺肿瘤进行分类,但我的数据集有点小,只有3390张照片。 # -*- coding: utf-8 -*-
"""
Created on Wed Dec 18 16:05:12 2019
@author: Panagiotis Gkanos
"""
import numpy as np
import tensorflow as tf
from
我想将以下滑雪板模型移植到keras:
model = MLPClassifier(activation='tanh', hidden_layer_sizes=(60,50), alpha=0.001, random_state=42)
到目前为止,我得到的是:
from keras.models import Sequential
from keras.layers import Dense
from keras import regularizers
from tensorflow import set_random_seed
set_random_seed(42)
m
我正在尝试导入一些正则化程序,代码如下: import tensorflow as tf
from tensorflow import keras
import numpy as np
# importing regularizers
from tf.keras.regularizers import l2, activity_l2 问题是我得到了以下错误: ---------------------------------------------------------------------------
ModuleNotFoundError
我偶然发现了这段代码,我想要转换成keras: l2 = lambda_loss_amount * sum(
tf.nn.l2_loss(tf_var) for tf_var in tf.trainable_variables()
) # L2 loss prevents this overkill neural network to overfit the data
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(labels=y, logits=pred)) + l2 # Softmax loss 这
我的目标是将产品图片分为服装、凉鞋等类别。
我使用的是MNIST时尚数据集,遵循这一官方教程-每字一字:https://www.tensorflow.org/tutorials/keras/basic_分类,所以我的代码100%与可以在那里阅读的内容相同:
# TensorFlow and tf.keras
import tensorflow as tf
from tensorflow import keras
# Helper libraries
import numpy as np
import matplotlib.pyplot as plt
print(tf.__version__
有一些问题,从Keras (keras_model_fn)转换为TF model_fn,以便在Sagemaker中使用。
模特们的样子如下:
Keras
def keras_model_fn(hyperparameters):
model = tf.keras.Sequential()
# increase input_dim (cur 2500) as amount of words go up
model.add(tf.keras.layers.InputLayer(input_shape=[8], name='main_input'))
m
假设我通过“盗梦空间”转移学习。我增加了几层,并训练了一段时间。
下面是我的模型拓扑结构:
base_model = InceptionV3(weights='imagenet', include_top=False)
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(1024, activation='relu', name = 'Dense_1')(x)
predictions = Dense(12, activation='softmax', na
以下是我的代码: from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras import layers
from tensorflow.keras import regularizers
model = Sequential()
model.add(Dense(units=10, input_shape=[784], activation='sigmoid', kernal_regularizer=l2(0.01
我正在尝试解决此错误:
AttributeError: module 'tensorflow.python.keras.api._v2.keras.losses' has no attribute 'sparse_softmax_cross_entropy'
对于上下文,我在windows和python3.6上使用tensorflow2.0。我正在尝试对标签为0或1的3-axis数据进行一些快速分类。
通常的model.fit()方法不能让我对数据进行足够的控制,所以我试图一步一步地在嵌套循环中进行拟合。
以下是模型:
model = tf.ke
操作系统平台和发行版:LinuxUbuntu16.04;TensorFlow版本:1.4.0
我可以使用以下代码正确运行:
import tensorflow as tf
from tensorflow.python.keras.layers import Dense
from tensorflow.python.keras.backend import categorical_crossentropy
from tensorflow.examples.tutorials.mnist import input_data
from tensorflow.python.keras.models i
全。我试图在这里获得CTC损失函数,但它工作得不是很好。我一直收到这个bug: 2020-11-04 07:28:53.647946: W ./tensorflow/core/util/ctc/ctc_loss_calculator.h:499] No valid path found.
2020-11-04 07:28:53.647977: W ./tensorflow/core/util/ctc/ctc_loss_calculator.h:499] No valid path found.
2020-11-04 07:28:53.648009: W ./tensorflow/core/u
我试图将字符串(从JSON中读取)转换为Keras层可以使用的参数。然而,当我发现,由eval函数创建的所有正则化对象都是相同的。
a = eval('l1(0.1)')
b = eval('l2(0.1)')
c = eval('l1_l2(0.1)')
print(a,b,c)
给予:
<tensorflow.python.keras.regularizers.L1L2 object at 0x0000013F003C2F60>
<tensorflow.python.keras.regularizers.L1L2 objec
import pandas as pd
import numpy as np
import keras
import tensorflow
from keras.models import Model
from keras.layers import Dense
from keras import optimizers
from keras.preprocessing.image import ImageDataGenerator
from keras.preprocessing import image
trdata = ImageDataGenerator()
traindata = t
我在运行双向LSTM。但是这个错误出现了:
TypeError:类型为“双向”的对象没有len()
这个代码有什么问题吗?请帮帮忙。
import pandas as pd
import numpy as np
from tqdm import tqdm, trange
import unicodedata
from keras.preprocessing.sequence import pad_sequences
from keras.utils import to_categorical
from keras.models import Model
from tensor