tensorflow中图像的有效加权和
在TensorFlow中，图像的有效加权和是指通过对图像中的像素进行加权处理，以突出或弱化特定区域或特征，从而提高图像处理的效果和准确性。
图像的有效加权和可以通过以下步骤实现：
- 图像预处理：首先，对图像进行预处理，包括图像的缩放、裁剪、旋转、灰度化等操作，以便后续的加权处理。
- 加权处理：根据具体的需求和应用场景，选择合适的加权方法。常见的加权方法包括：
- 高斯加权：通过对图像中的像素进行高斯加权，使得距离中心像素越远的像素权重越低，从而实现图像的模糊效果。
- Sobel加权：通过对图像中的像素进行Sobel算子加权，可以提取图像中的边缘信息。
- Laplacian加权：通过对图像中的像素进行Laplacian算子加权，可以提取图像中的细节信息。
- 均值加权：通过对图像中的像素进行均值加权，可以实现图像的平滑效果。
- 加权结果分析：对加权后的图像进行分析，评估加权效果是否符合预期。可以使用图像处理的评价指标，如PSNR、SSIM等进行评估。
- 应用场景：图像的有效加权和在许多图像处理任务中都有广泛的应用，包括图像增强、图像分割、目标检测、图像识别等。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云图像处理（https://cloud.tencent.com/product/tci）：提供了丰富的图像处理能力，包括图像增强、图像分割、目标检测等功能，可以帮助用户实现图像的有效加权和。
- 腾讯云人工智能（https://cloud.tencent.com/product/ai）：提供了强大的人工智能能力，包括图像识别、图像分析等功能，可以与TensorFlow结合使用，实现更复杂的图像处理任务。
请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求和情况进行。
相关·内容
1回答
如何在自己的图像分类数据集上对抗性地训练googlenet模型？ 例如:使用cleverhans库，有批处理要运行攻击的数据是MNIST和CIFAR。 我用自己的数据(Googlenet)使用Tensorflow训练了一个图像分类器，现在我想用对抗性的例子来训练模型。我可以用cleverhans库做的任何想法。谢谢。
浏览 15提问于2019-03-18得票数 0
回答已采纳
对于我的二值分类问题(A比B)，两个类别中的每一个图像都有其各自的权重。这意味着，例如，如果我有10000张A的图像，并不是所有的图像都是同等重要的。"0.9“表示它非常重要，而"0.01”表示它没有那么重要。
这一信息能否传达给Tensorflow的培训？
谢谢你的帮助。
浏览 0提问于2019-03-19得票数 2
我想对n个类执行多标签图像分类任务。我得到了每个图像的稀疏标签向量，每个标签向量的每个维度目前都是这样编码的：
1.0 ->Label true /图像属于此类
-1.0 ->Label false /图像不包含此类。
0.0 ->missing值/标签
例如: V= {1.0，-1.0,1.0，0.0}
对于这个例子V，模型应该学习，相应的图像应该被分类在第一类和第三类中。
我目前的问题是如何处理缺少的值/标签。我搜索了所有的问题，发现了这个问题: tensorflow/skflow#113
因此可以使用: tf.nn.sigmoid_cross_entropy_with
浏览 4提问于2016-09-26得票数 10
1回答
赛车图像标记
、、、、
我正在开发一个系统来简化我们的图像库，它每周有7k到20000张新图片。具体的应用是识别哪些赛车在图片中(所有的汽车都是相似的形状与不同的油漆方案)。我计划对项目的这一部分使用python和tensorflow。
我最初的想法是使用图像分类来对图像进行汽车分类，但是，包含多辆汽车的图像的概率很高。我的下一个想法是使用目标检测来检测汽车号码(在所有汽车的固定位置-鼻子、尾部、两扇门和车顶，以及每周一致的字体)。最后给出了整车的目标识别方法。从表面上看，这似乎是最实际的；然而，油漆方案的变化可能不够。
哪种方法能给我最好的结果？我已经提取了大量的图像进行训练，显然不同的方法需要非常不同的训练数据集
浏览 0提问于2018-10-30得票数 0
回答已采纳
1回答
我需要SSIM作为我的网络中的一个损失函数，但我的网络有两个输出。我需要使用SSIM进行第一次输出，使用cross-entropy进行下一次输出。损失函数是它们的组合。然而，我需要更高的SSIM和更低的cross-entropy，所以我认为它们的组合是不正确的。另一个问题是我在keras中找不到SSIM的实现。 Tensorflow有tf.image.ssim，但它接受图像，我不认为我可以在损失函数中使用它，对吧？你能告诉我我该怎么做吗？我是keras和深度学习的初学者，我不知道如何将SSIM作为keras中的自定义损失函数。
浏览 50提问于2019-04-10得票数 3
1回答
彩色图像卷积核的流动权值？
、、、、
目前，我有一些网络在用灰度图像进行分类。我想转到彩色(RGB)图像。
在CIFAR-10的Tensorflow教程中，我被卷积核的权重搞糊涂了。第一次卷积是这样的：
kernel = _variable_with_weight_decay('weights', shape=[5, 5, 3, 64],
stddev=1e-4, wd=0.0)
conv = tf.nn.conv2d(images, kernel, [1, 1, 1, 1], padding='SAME')
因此，它
浏览 3提问于2016-02-15得票数 5
回答已采纳
我正在使用TensorFlow概率来训练一个模型，该模型的输出是一个用于概率回归的tfp.distributions.Independent对象。我的问题是，我不确定如何在负对数似然(NLL)损失函数中实现样本加权。 我有以下损失函数，我相信它没有使用sample_weight第三个参数： class NLL(tf.keras.losses.Loss):
''' Custom keras loss/metric for negative log likelihood '''
def __call__(self, y_true,
浏览 174提问于2021-11-08得票数 1
回答已采纳
这个问题是关于在.Net中实现Tensorflow对象检测的所有功能。因为我在.Net中，所以我在OpenCV调用中使用了包装器EmguCV。至于Tensorflow，在.Net中也有很多包装器。 我的问题是通用的，可能是特定于.Net的，但我不这么认为。在Emgu或OpenCV中，我使用VideoCapture从视频源读取帧。每个帧都是一个Mat，也可以很容易地转换为OpenCV图像。然而，Tensorflow对象检测需要某种类型的图像数组作为输入，这可能是一个NumPy数组。 我发现了许多示例和示例代码，但它们中的大多数都与在文件系统上拥有一个图像(如jpeg )并将其读取有关。没有多少
浏览 16提问于2019-06-08得票数 0
1回答
嗨，伙计们，我正在做这个过程:基于MST的分割算法
MST算法输入:一幅具有P像素和R数的灰度图像
输出:分割成R区域的图像
将图像映射到原始加权图上。
找到图的MST。
削减MST在R-1最昂贵的边缘.
为森林中每棵树中的每个顶点分配平均树点权重
将分区映射到分割图像上。
现在，我已经完成了所有的步骤，我采取了一个彩色的图像，然后我把它转换成一个灰度，然后用jgraphT将图像映射到一个图上，将每个顶点分配给像素的强度。然后，我得到最小的生成树并将其砍掉，最后选择森林中的每一棵树，并取树的权重，将其分配给每个顶点。
现在，最后也是最重要的一步，我以顶点和边缘结束。
浏览 0提问于2018-04-27得票数 1
1回答
如何在使用Tensorflow作为后台的情况下，在keras中实现BCEWithLogitsLoss，并将其作为自定义损失函数。 我在PyTorch中使用了torch中定义的BCEWithLogitsLoss。 如何在Keras中实现同样的功能？
浏览 38提问于2019-04-15得票数 2
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
2回答
最后一天，我学习了卷积神经网络，并使用Tensorflow完成了CNN的一些实现，所有的实现都只指定滤波器的大小、数目和步幅。但是，当我了解到过滤器时，它说，过滤器在每一层提取不同的特征，如边缘，角等。
我的问题是，我们是否可以明确指定筛选器，我们应该提取哪些特征，或者图像的哪个部分更重要等等。
所有的解释都说，我们把一个输入图像的一小部分--一张幻灯片--在它上旋转。如果是这样的话，我们会把图像的所有部分都转移到图像上吗？
浏览 5提问于2017-07-18得票数 3
回答已采纳
2回答
退出与relu激活
、、、
我正在尝试实现一个在tensorflow中辍学的神经网络。
tf.layers.dropout(inputs, rate, training)
从文档中看："Dropout是在训练期间，在每次更新时将输入单元的分数率随机设置为0，这有助于防止过度拟合。保持不变的单位是1/ (1 -速率)，因此它们的总和在训练时间和推理时间不变。“
现在我明白了，如果在乙状结肠激活上面应用了这种行为，那么这个行为严格地超过零。如果一半的输入单元被归零，所有输出的和也会减半，因此，为了在下一层之前恢复某种一致性，按2的因子进行缩放是有意义的。
现在，如果一个人使用的是围绕着0的tanh激活呢？上述推理不再
浏览 0提问于2017-08-04得票数 2
回答已采纳
2回答
如何在多类图像分类中获得权值图
、、、、
我正在使用keras和TensorFlow进行多类图像分割。我训练的网络给了我很好的预测，但无法分离接触的对象，这就是为什么我想使用具有"weights"参数的softmax_cross_entropy损失函数。
知道我的y_true形状是(batch-size,128,128,3)，我如何计算这些权重？
tf.losses.softmax_cross_entropy(y_true,y_pred,weights=my_weights)
浏览 0提问于2019-04-18得票数 2
下面的图像通常用来描述带有跳过语法的word2vec模型：
然而，在stackoverflow上读取之后，似乎word2vec实际上接受了1个单词和输入，以及1个单词作为输出。输出的单词是从窗口中随机抽取的。(这将执行X次，以生成X个输入/输出对。)
在我看来，上面的图像没有正确地描述网络。我的问题是:1输入/1输出是标准的( Tensorflow word2vec教程采用了这种方法，并称之为skip-gram)，还是有些网络实际上采用了上图的结构？
浏览 1提问于2018-04-11得票数 2
我正在使用TensorFlow2.0中的LSTM，并试图为训练样本分配一个权重(我已经尝试过class_weights字典，但它报告它不支持3-d数组。我的数组形状是(26000，7，1)。 正如文档中所建议的，我在编译中将sample_weight_mode设置为"temporal“，但在此之后，当我尝试拟合模型时，仍然得到以下错误： ---------------------------------------------------------------------------
ValueError Traceba
浏览 107提问于2019-08-30得票数 1
正如我们所知，DNN由许多层组成，这些层由许多神经元组成，这些神经元将相同的函数应用于输入的不同部分。同时，如果我们使用Tensorflow来执行DNN任务，我们将会得到Tensorflow自动生成的数据流图，并且我们可以使用Tensorboard将数据流图可视化为blow。但在这一层中没有神经元。所以我想知道Tensorflow数据流图和DNN之间的关系是什么？当DNN中的一个神经元映射到数据流图中时，它是如何表示的?DNN中的神经元与tensorflow中的节点(表示一个操作)之间是什么关系？我刚开始学习DNN和Tensorflow，请帮我整理一下思路。感谢：)
浏览 1提问于2018-05-04得票数 1
1回答
在使用TensorFlow Keras构建分类器时，通常通过在编译步骤中指定metrics=['accuracy']来监视模型的准确性：
model = tf.keras.Model(...)
model.compile(optimizer=..., loss=..., metrics=['accuracy'])
无论模型是否输出逻辑或类概率，以及模型是否期望地面真相标签为一个热编码向量或整数索引(即区间[0, n_classes)中的整数)，这一行为都是正确的。
如果要使用交叉熵损失，则不是这样:上述四种情况的每一种组合都需要在编译过程中传递不同的loss值：
浏览 2提问于2019-09-18得票数 3
回答已采纳
1回答
张量流模型的保存与模型平均计算
、、、、
我正在尝试实现和复制在纸中属于联邦Bert的结果。
我更喜欢使用伯特预培训的TensorFlow代码。
对于以联邦方式进行的培训，最初，我将数据集分为3个不同的筒仓(每个筒仓包含50名患者的出院总结，使用的是模拟-3数据)。然后使用TensorFlow实现对每个数据集的Bert模型进行预训练，从Bert的正式发布开始进行Bert预培训。
现在我有三种不同的模型，它们都是从不同的数据集中预先训练出来的。对于模型聚合，我需要所有三种模型的平均值。由于每个筒仓的音符数量是相等的，所以为了平均，我需要对所有模型进行求和，然后除以3。如何像论文中所做的那样获得模型的avg？，有人，请给我一些见解来正确地
浏览 7提问于2020-06-17得票数 2
1回答
潮流预测意义
、、
我一直在研究Tensorflow中的DNNClassifier模型，我已经得到了这个模型来训练、评估和输出结果。
下面是我用来输出预测的代码：
predictions = classifier.predict(input_fn=predict_input_fn)
i = 0
for j, p in enumerate(predictions):
print("Prediction %s: %s" % (j + 1, p["probabilities"]))
i = i + 1
if i > 100:
break
浏览 2提问于2018-01-03得票数 2
回答已采纳
我想在tensorflow中对图像执行卷积。我希望内核和图像一样高，非常薄。例如：
kernel_size = [200, 24]
image_size = [200, 400]
如果我使用填充"SAME"，而不是得到一个向量，我会得到一个200,400的图像，因为tensorflow在顶部和底部填充图像，并在填充的图像上与内核卷积。
另一方面，如果我使用填充“有效”，顶部和底部的问题就消失了，但它也不能完全覆盖我的图像的水平方向，这样，如果图像的水平维度不能被内核维度整除，你就会失去它的一部分。
有没有一种方法可以在顶部和底部执行“有效”填充，在左侧和右侧执行“相同”填充？还
浏览 7提问于2017-07-21得票数 2
当使用tensorflow的自动微分时，它会更新每个迭代的具体变量吗？
例如，如果我有一个带有状态变量的普通RNN，那么自动微分会计算它的梯度并为每一次更新它，因为它会导致损失吗？
例如，普通RNN的方程式是：
h_t = X_t W_x + h_{t-1} W_h + b
tensorflow如何更新W_x、W_h和b的值，而不知道h_{t-1}的值？
抱歉，如果我错过了一些显而易见的东西。
浏览 9提问于2016-11-06得票数 1
1回答
我正在阅读，并试图很好地理解正在发生的事情。
第一组带有附加注释的步骤如下所示：
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
# Download the data set.
# Comprises thousands of images, each with a label.
# Our images are 28x28, so we have 784 pixels in total.
# one_hot means our labels are treated as
浏览 3提问于2018-01-14得票数 1
回答已采纳
1回答
我在我的数据集上使用tensorflow对象检测api。我使用的是ssd-resnet50-fpn模型。在训练过程中，我看到分类损失和本地化损失已经收敛，但总损失仍在减少。另外，总损失也不是分类损失和定位损失的总和。任何关于为什么会发生这种情况的想法。我正在使用object_detection/ train.py /文件夹中的遗留文件来训练我的数据集。附图相同。
浏览 11提问于2020-02-25得票数 0
我使用图像“TensorFlow2.6Python3.8GPU优化”在SageMaker Studio上创建了一个简单的笔记本。但是当我试图运行简单的语句时。“导入tensorflow"，我得到了错误”没有模块名为'tensorflow'“。
我试着安装'tensorflow‘软件包使用从终端连接到图像。但它显示的信息是“已经满足的要求”。
我在这里有遗漏什么吗？请帮帮忙。
事先谢谢你，Surya Praveen
浏览 5提问于2021-12-27得票数 4
我正在使用tensorflow和tflite来检测对象。我使用的模型是mobilenet_ssd (第2版)来自
用于检测的输入图像大小是固定的300*300，在模型中是硬编码的.我想输入1280*720图像进行检测，怎么做呢？我没有分辨率1280*720的训练图像数据集。我只有pascal和coco数据集。
如何修改模型以接受1280*720图像(不缩放图像)进行检测？
浏览 0提问于2018-06-13得票数 0
回答已采纳
我在android中做了一个定制的网格视图，每个单元由一个图像视图和一个文本视图组成，但是它给了顶部和图像之间的额外空间，以及图像和文本之间的空间，参见。我想摆脱多余的空间，但我想不出解决办法！
以下是项(单元格)布局的代码：
<?xml version="1.0" encoding="utf-8"?>
<LinearLayout
xmlns:android="http://schemas.android.com/apk/res/android"
android:orientation="vertic
浏览 2提问于2016-11-13得票数 1
回答已采纳
1回答
我有几个加权值，我取的是加权平均值。我想用加权值和加权平均值来计算加权标准差。我将如何修改典型的标准差，以便在每个度量中包括权重？
这是我使用的标准差公式。
当我简单地使用'x‘的每个加权值和'\bar{x}’的加权平均值时，结果似乎比它应该的小。
浏览 16提问于2015-05-21得票数 8
回答已采纳
1回答
我试图在Keras中实现多类分段：
输入图像为灰度(即1通道)
地面真实图像有3个通道，每个像素是一个长度为3的热矢量。
预测是标准的U-网训练用categorical_crossentropy输出3通道(软件最大编辑)
这个设置有什么问题吗？训练失败有一些奇怪的行为：
在我幸运的情况下，它的行为符合预期(下降)
90 %的时间被困在0.9左右
我的实现可以找到
我不认为代码有什么问题:如果我的基本真理是1通道(即到处都是0和某处的1)，并且使用binary_crossentropy + sigmoid作为最终的激活，我看不出有什么奇怪的行为。
浏览 2提问于2020-12-05得票数 0
我有一个多标签分类任务，有6个标签.任何样品都可能没有或有一些标签为1。我使用了tensorflow中的损失：
self.loss = tf.losses.sigmoid_cross_entropy(self.labels, self.logits)
每次一批(1000)样品进来时，计算损失。
但我不确定损失是否为，即每个预测列的日志损失的平均值。如果不是，如何将损失修改为上述平均列级日志损失？
浏览 2提问于2018-01-24得票数 2
嗨，我试图创建一个图像分割模型，使用keras和一个U-NET结构。
在我的测试中，我发现模型往往不能很好地区分草和树。
我认为我可以使用sample_weight，因为我使用的是tensorflow数据集。
所以我给了每个图像的每个像素一个权重(所以我增加了草的重量，减少了树的重量)。
这样做对吗？我看到sample_weight习惯于给每个样本一个权重，所以我不知道我所做的是否正确。
这是我使用的函数：
@tf.function
def put_weights(image, mask, value):
value = tf.where(tf.equal(mask, 5), tf.
浏览 2提问于2022-07-27得票数 1
回答已采纳
我试图编写代码来手动设置keras网络中的权重，但是当我构建网络时，似乎存在额外的权重。
>>> import numpy as np
>>> import tensorflow as tf
>>> from tensorflow import keras as ke
>>> from tensorflow.keras import layers
>>> lay=layers.Dense(1,activation="relu")
>>> lay.add_weight(sh
浏览 2提问于2021-12-28得票数 -1
回答已采纳
1回答
我正在使用Python、scikit-learn、keras和450x540 rgb正面手表的图像(例如观看_1、观看_2)。
我的目标是运行一个自动编码器或暹罗神经网络，以找到其中最相似的手表。然而，我不确定我是否会得到更好的结果，通过比较对的图像或三胞胎的图像。正如本研究论文中所定义的那样，三重奏图像由一个目标图像、一个与目标图像(更多)相似的图像和一个与目标图像不相似的图像组成。
有人能简单地解释一下为什么像前一篇论文所说的那样，使用三胞胎的图像会(必然)比使用对图像产生更好的结果吗？
浏览 0提问于2018-02-23得票数 1
1回答
我目前在PyCharm上使用TensorFlow和KERAS。每次我想要使用一个模型时，我必须再次运行训练数据，然后在相同的脚本中运行测试数据。我如何运行训练数据一次，然后我可以继续我想要的时候，通过模型运行测试数据，它仍然可以工作。即。开发一个识别图像的模型，当我想要识别图像时，我将如何运行程序，而不是必须运行训练数据，然后在同一脚本中识别图像。
浏览 19提问于2020-11-05得票数 0
我在努力解决分类问题。我不知道为什么我会犯这个错误：
AttributeError: 'str' object has no attribute 'keys'
这是主要代码
def generate_arrays_for_training(indexPat, paths, start=0, end=100):
while True:
from_=int(len(paths)/100*start)
to_=int(len(paths)/100*end)
for i in range(from_,
浏览 4提问于2020-09-29得票数 0
1回答
据推测，Elmo是一个嵌入词。因此，如果输入是句子或单词序列，则输出应该是向量序列。显然，事实并非如此。
下面的代码使用了keras和tensorflow_hub。
a = ['aaa bbbb cccc uuuu vvvv wrwr', 'ddd ee fffff ppppp']
a = np.array(a, dtype=object)[:, np.newaxis]
#a.shape==(2,1)
input_text = layers.Input(shape=(1,), dtype="string")
embedding = ElmoEm
浏览 0提问于2018-12-16得票数 4
回答已采纳
我在Tensorflow中实现了一个CNN，改编自教程：CNN with Estimators。 摘自data_input_fn： dataset = dataset.batch(batch_size)
iterator = dataset.make_one_shot_iterator()
features, labels = iterator.get_next()
return features, labels 摘自model_fn： loss = tf.losses.softmax_cross_entropy(onehot_labels=labels, logits=logits)
浏览 16提问于2019-03-12得票数 0
1回答
我对numpy数组进行了如下形状的培训和测试
TrainX = (1234, 50, 50) Type: <class 'numpy.ndarray'> # 1234 arrays of 50 by 50 floats
TrainY = (1234, 2) Type: <class 'numpy.ndarray'>
# TrainY was one column of binary class 0 or 1. Converted it through to_categorical()
TestX = (123, 50, 50) Type
浏览 5提问于2022-06-27得票数 0
回答已采纳
给定批处理RGB图像作为输入，shape=(batch_size，width，height，3) 和一个表示为one-hot，shape=(batch_size，width，height，n_classes)的多类目标 以及在最后一层具有softmax激活的模型(Unet，DeepLab)。 我在kera/tensorflow中寻找加权分类交叉熵损失函数。 fit_generator中的class_weight参数似乎不起作用，我在这里或在https://github.com/keras-team/keras/issues/2115中都找不到答案。 def weighted_categori
浏览 19提问于2019-12-29得票数 3
回答已采纳
到目前为止，我所能找到的每个tensorflow教程都是先将训练/验证/测试图像加载到内存中，然后对它们进行处理。对于输入到tensorflow中的流图像和标签，有没有人有指南或建议？我有许多图像存储在不同的服务器上，我希望将这些图像流式传输到tensorflow中，而不是直接将图像保存在我的机器上。
谢谢!
浏览 1提问于2016-06-23得票数 8
我想知道是否有一种方法可以使我的属性(或属性)使用tensorflow模型。例如，如果我想使用tensorflow模型生成以下属性数组
输入:图像输出:属性数组图像均值、图像std、图像熵、图像边缘值和
有办法吗？我知道非常简单的属性，如均值、std和熵，不需要在tensorflow模型中进行训练。实际上，它们将是一些自定义的图像属性，比如查找圆圈形状&计算图像中的圆度。
谢谢。亚历克斯
浏览 4提问于2019-11-18得票数 0
我有一个tensorflow训练模型，并在tensorflow测试，精度达到95%。
Tensorflow模型被转换为ONNX并转换为TensorRT。TensorRT引擎以16位精度运行.在TensorRT中，准确率下降到75%。即使使用kTF32，准确率仍为75%。测试相同的图像为两个测试和相同的输入大小。
我该从哪里看这个精度下降的地方？唯一的区别是我在TensorRT中进行批处理推理，而不是在Tensorflow中。
对于Tensorflow和TensorRT，使用OpenCV读取图像。
从Tensorflow到ONNX的转换精度会下降吗？
浏览 6提问于2020-09-11得票数 0
回答已采纳
我在研究山羊检测问题。主要模型识别图像上的“山羊”(单类)，然后从原始图像中裁剪每只山羊。裁剪后的图像然后通过一个tensorflow模型(经过训练的tensorflow.keras.applications.InceptionV3)找到山羊的当前姿势(坐和站立两类)。
火炬的版本应该是1.7+，我正在尝试使用任何版本的tensorflow (1.15.1/1.13.0首选)。如果我安装tensorflow而火炬已经安装，tensorflow和火炬都会从环境中消失(pip冻结)。有兼容的版本吗？任何特定版本的TensorFlow和torch都可以在同一个环境中吗？
这是命令-
conda cr
浏览 2提问于2021-05-02得票数 1
1回答
AskTensorFlow
我使用了tensorflow打包的数据集，如MNIST，IMDB来研究tensorflow的工作原理。然而，在实际应用中，我们必须自己对数据集进行预处理和准备。假设我正在处理图像数据集，所以我想将它们预处理为可以输入到tensorflow模型中的格式。如何将图像数据集预处理为tensorflow格式？
浏览 2提问于2018-11-17得票数 0
4回答
情境：
当我的训练数据在两个标签之间的标签分布不平衡时，我想知道如何最佳地使用TensorFlow。例如，假设被简化为只区分1和0，其中我们可以使用的所有图像要么是1，要么是0。当我们有大约50%的每种类型的图像需要训练和测试时，使用提供的TensorFlow教程进行训练是很简单的。但是，如果我们的数据中90%的图像是0，而只有10%是1，那该怎么办呢？我观察到，在这种情况下，TensorFlow例行公事地预测我的整个测试集为0，实现了无意义的90%的准确率。
我曾经使用过的一种策略是随机选择一批具有0和1均匀分布的训练数据进行训练，这种方法可以确保我仍然可以使用所有的训练数据并产生良好的结果
浏览 168提问于2016-01-28得票数 29
回答已采纳
1回答
最近，我使用了一种预测算法，试图预测用户愿意使用ALS (矩阵分解)与项目交互的程度，但我必须将多个属性“浓缩”为一个属性，确定一些任意的权重，以便计算要使用的评分。
它可以工作(某种程度上)，但我认为这肯定是错误的，因为手动加权属性是静态的，不能动态地适应数据本身。
我正在考虑切换到分布式随机森林算法，但即使它使用所有属性(随机)，它们也不会一起使用，这使得它不适合我的目的。
在我的研究中，我发现递归神经网络可能适合于我想要达到的目标，但在专注于它们之前，因为我不是这个领域的真正专家，我想有一些建议:)
我可能会利用RNN的时间序列特性，但现在我更愿意专注于支持我所拥有的属性集。
目前，AL
浏览 0提问于2017-12-13得票数 1
说，
并不是所有JAX代码都可以编译JIT，因为它要求数组形状是静态的&编译时知道。
现在，我有点惊讶，因为tensorflow有像tf.boolean_mask这样的操作，可以执行JAX编译时似乎无能为力的操作。
为什么Tensorflow会出现这样的倒退？我假设基础XLA表示是在两个框架之间共享的，但我可能弄错了。我不记得Tensorflow曾经遇到过动态形状的问题，像tf.boolean_mask这样的函数已经存在了很久了。
我们能否预期这一差距在未来会缩小呢？如果不是，为什么不可能在JAX‘jit中实现Tensorflow (以及其他)的功能呢？
编辑
浏览 3提问于2021-03-19得票数 4
回答已采纳
在图像处理中，我要计算两幅图像的PSNR。
我找到了一个计算YUV视频PSNR的代码。
我知道我可以将YUV转换成avi或其他容器格式。但我有很多视频，所以转换将是浪费时间。
我可以拿我的RGB视频，并将它们转换成灰色尺度，计算PSNR？
彩色图像的灰度与YUV图像的Y分量是否相同？
浏览 11提问于2017-03-20得票数 0
回答已采纳
我正在训练自定义对象检测，使用Mask RCNN在TensorFlow对象检测中。因此，我将与边界框一起预测对象实例掩码。
预训练模型：mask_rcnn_inception_v2_coco
以下是我训练的快照。
信息:tensorflow:全局步骤4181:损失= 0.0031 (3.290秒/步)
信息:tensorflow:全局步骤4181:损失= 0.0031 (3.290秒/步)
信息:tensorflow:全局步骤4182:损失= 0.0030 (2.745秒/步)
信息:tensorflow:全局步骤4182:损失= 0.0030 (2.745秒/步)
，在这种情况下，您
浏览 1提问于2019-01-24得票数 2
回答已采纳
1回答
我已经编写了一个python脚本，它计算中位频率，平衡每个类在像素级分割期间的权重。然后，我在Python Layer模型定义中添加了一个caffe，它将权重发送给损失函数。基于，用户提到caffe中的SoftmaxWithLoss层对应于TensorFlow softmax_cross_entropy_with_logits。我的问题是如何将权重发送到SoftmaxWithLoss层？在median frequency balancing中还可以使用哪些其他损耗层？我使用了InfoGainLoss，但它不收敛。非常感谢你的帮助。
浏览 2提问于2018-01-19得票数 0
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
