tensorflow内核代码修改
TensorFlow是一个开源的机器学习框架，由Google开发和维护。它提供了丰富的工具和库，用于构建和训练各种机器学习模型。TensorFlow的内核代码是指其底层实现的核心部分，包括计算图的构建和优化、张量操作、自动微分等。
修改TensorFlow内核代码可以用于定制化和优化特定的机器学习任务。下面是一些常见的修改场景和方法：
- 性能优化：通过修改内核代码，可以针对特定硬件平台或任务类型进行性能优化。例如，针对GPU加速的计算，可以优化张量操作的实现，减少内存拷贝和计算时间。
- 新功能添加：如果需要在TensorFlow中添加新的功能或算法，可以通过修改内核代码来实现。这包括添加新的层、优化器、损失函数等。
- Bug修复：在使用TensorFlow过程中，可能会遇到一些已知的Bug。通过修改内核代码，可以修复这些Bug，提高框架的稳定性和可靠性。
- 定制化需求：有时候，特定的机器学习任务需要定制化的功能或行为。通过修改内核代码，可以满足这些定制化需求，使TensorFlow更适用于特定的应用场景。
需要注意的是，修改TensorFlow内核代码需要具备深入的理解和熟悉TensorFlow的架构和实现细节。同时，修改内核代码可能会导致兼容性问题和稳定性风险，因此在进行修改之前，建议先进行充分的测试和验证。
腾讯云提供了一系列与TensorFlow相关的产品和服务，用于支持机器学习和深度学习任务。其中包括：
- 腾讯云AI引擎：提供了基于TensorFlow的AI模型训练和推理服务，支持分布式训练和高性能推理。
- 腾讯云容器服务：提供了容器化部署和管理TensorFlow模型的平台，支持快速部署和弹性扩缩容。
- 腾讯云GPU云服务器：提供了强大的GPU计算能力，适用于加速TensorFlow模型的训练和推理。
- 腾讯云对象存储（COS）：提供了可靠的、高可用的对象存储服务，用于存储和管理TensorFlow模型和数据集。
更多关于腾讯云与TensorFlow相关的产品和服务信息，可以参考腾讯云官方网站：https://cloud.tencent.com/product/tensorflow
相关·内容
起初，我以为我误解了Tensorflow API的一些地方。现在，我怀疑我只是误解了在木星笔记本中如何管理可变范围。
如果我将所有代码插入到jupyter笔记本中的单个单元格中并运行它，那么Tensorflow的LSTM教程示例工作得很好。但是，当我将程序分割成单独的单元格时，即使以正确的顺序运行所有内容(首先定义等)，我也会得到一个可变范围错误：
15 # Get lstm cell output
---> 16 outputs, states = rnn.static_rnn(lstm_cell, x, dtype=tf.float32)
ValueErr
浏览 2提问于2017-09-22得票数 0
1回答
我使用安装了tensorflow
conda create -n tf-gpu tensorflow-gpu
如果激活内核，就可以看到安装了tensorflow。
conda activate tf-gpu
python3 -c 'import tensorflow as tf; print(tf.__version__)'
它返回以下内容。
2022-03-24 01:21:50.006341: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic
浏览 3提问于2022-03-24得票数 1
回答已采纳
1回答
问题:当我试图在Mac上导入Tensorflow时，朱庇特说“模块没有找到”。
背景：
安装和激活Virtualenv 16.7.9 (venv)
安装Python 3.7.6
PIP 19.3.1已安装
Tensorflow 2.1.0按使用PIP安装
在命令行，我可以激活venv，启动python3，然后导入tensorflow并正确显示tensorflow版本。但Tensorflow不会从木星内部进口。如果我试图改变木星笔记本的内核，只列出了Python3。
在其他线程上，人们推荐使用anaconda，但我使用PIP来安装Tensorflow，如上面的链接所建议的
浏览 1提问于2020-01-12得票数 0
回答已采纳
我是c++的新手，但成功地为tensorflow设计了一个新的cpu操作系统。现在我想为gpu做一个操作。我在open上有一点经验。我在这里遵循指南：
下面是我的c++代码，后面是cuda文件。这段代码我什么都不做。它编译正确，但是每次我试图运行它时，我都会得到一个核心转储。为了调试，我删除了类的所有内容，以便集中精力解决问题。它还说：
*** Error in `/usr/bin/python': free(): invalid next size (fast): 0x00007fef04033ba0 ***
下面是d_grid_gpu.cc文件：
#include
浏览 2提问于2016-10-21得票数 0
回答已采纳
我从https://github.com/tensorflow/tensorflow.git中克隆了Tensorflow，并试图找到实现RMS_Prop的代码。
我已经找到了文件tensorflow/tensorflow/python/training/rmsprop.py，它调用了training_ops.apply_centered_rms_prop和training_ops.apply_rms_prop，这似乎是我要寻找的方法。
我可以看到rmsprop.py用以下导入语句导入training ops：
from tensorflow.python.training import tra
浏览 2提问于2020-04-01得票数 1
回答已采纳
我现在正在Azure ML Studio中的一个Tensorflow项目中工作，目前我正在跟随this Colab Notebook学习如何使用多个workers。每当我尝试在notebook中运行Magic%%bash命令时，似乎notebook使用的是AzureML Python3.6内核，而不是AzureML Python3.8内核。 内核3.8是我安装了所有必要的python包的内核，它也是我的ML Studio计算中唯一运行的内核。我已经通过检查内核管理器并确保没有其他内核正在运行来确认这一点。 当我试着跑的时候 %%bash --bg
python main.py &&g
浏览 25提问于2021-09-29得票数 1
就在两天前，在我下载并安装了最新的稳定GPU版本的tensorflow之后，我的tensorflow安装运行正常，并报告了以下内容：
$ source activate tensorflowgpu
(tensorflowgpu) ga@ga-HP-Z820:~$ python
Python 3.5.4 |Anaconda, Inc.| (default, Nov 20 2017, 18:44:38)
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license&
浏览 13提问于2018-01-25得票数 0
回答已采纳
我是tensorflow源代码修改的新手。
我想尝试conv2d算法的一个变体，想知道输入/内核matmul在源代码中实现的确切位置，以及如何通过修改重建tensorflow。
浏览 0提问于2017-09-21得票数 0
我开始于udacity深造课程，并正在建立环境。我认为内核笔记本使用的不是conda环境中的python。以下是我尝试过的一些结果。
启动conda环境
source activate tensorflow
在conda环境中包含了来自linux终端的python终端：
import sys
sys.executable
>>> '/home/username/anaconda2/envs/tensorflow/bin/python'
另外，tensorflow也是用python shell导入的。
在conda环境中，ipython终端显示相同的可执行路径
浏览 10提问于2016-09-10得票数 1
1回答
我在keras中创建了一个定制层，它只是在输入和内核之间执行点积。但是对于内核，我想使用批次的平均值作为内核初始化，这意味着取批次的平均值并生成一个初始值就是该平均值的内核。为此，我创建了一个自定义内核初始化器，如下所示：
class Tensor_Init(Initializer):
"""Initializer that generates tensors initialized to a given tensor.
# Arguments
Tensor: the generator tensors.
""
浏览 1提问于2019-12-20得票数 1
我按照TensorFlow网站的指示安装tensorflow_hub，并在conda环境中安装它。
$ pip install "tensorflow>=2.0.0"
$ pip install --upgrade tensorflow-hub
我在anaconda提示符下进行了上述操作。
但我仍然得到了'tensorflow_hub‘的ModuleNotFoundError。
这里的任何帮助都是非常感谢的。提前感谢
浏览 1提问于2020-09-14得票数 10
1回答
我在远程服务器上为一个项目使用anaconda。
设置新环境之后，
conda create -n myenv
我在那里安装我需要的一切，例如tensorflow。如果我尝试在cmd上使用python (例如，尝试导入已安装的包)，则每个trying都可以正常工作，例如
import tensorflow
跑得很顺利。当我试图根据我所创建的环境创建一个木星内核时，问题就出现了。我只是做了
ipython kernel install --name myenv --user
然后打开一个新笔记本，选择myenv内核，但尝试
import tensorflow
返回
ModuleNotFoundE
浏览 2提问于2022-01-25得票数 1
回答已采纳
在anaconda提示中，我可以导入tensorflow，但不能在jupyterlab中导入tensorflow。 我今天下载了anaconda并打开了anaconda提示符。然后我就这么做了 python -m pip install --upgrade pip 。 conda create -n tensorflow python=3.6 。 activate tensorflow 。 pip install tensorflow 。 python 。 import tensorflow as tf 。 tf.__version__ 在这个过程中
浏览 17提问于2019-01-21得票数 2
最近我用keras来训练移动网络模型。我重新配置了输出层，以对两个类进行预测。
然后，我将保存的.h5文件转换为.tflite文件。根据TensorFlow的ImageClassification示例，曾经在Android中运行过：
我看到这些预测的可信度有很小的出入。也就是说。
对于此图像:运行推理的图像：
Tflite模型置信度： 2.0677739E-5，0.9999794
基于Keras预测的桌面.h5推断： 5.100073E-4，9.994900E-1
正如你所看到的，他们预测的方向是相同的。然而，我很好奇，究竟是什么原因造成了这种差异呢？
如果这不像一般解释那样简单，我将发布所
浏览 3提问于2020-05-04得票数 0
Amazon 声明，TensorFlow 2.3、Python3.7GPU优化后的内核在使用sagemaker笔记本实例时应该可用。但是当我使用ml.p2.xlarge (美国-西部-2) 时，我看不到TensorFlow 2.3Python3.7GPU优化内核
我可以看到其他的内核，如
Python3 (TensorFlow 2.1Python3.6GPU优化)
Python3 (MXNet 1.8Python3.7GPU优化)
我是否需要启用一些特定的设置来查看TensorFlow 2.3 Python3.7GPU优化内核
浏览 1提问于2021-06-21得票数 0
我只有一个GPU(GTX 1070，8GB VRAM)，我想使用tensorflow-gpu与另一个CUDA代码同时，在同一个GPU。但是，使用CUDA代码和tensorflow-gpu同时使tensorflow-gpu下降约两次。当tensorflow-gpu和CUDA代码一起使用时，有没有加快速度的解决方案？
浏览 4提问于2020-01-06得票数 0
回答已采纳
我是kaggle内核的初学者，我想使用kaggle内核的免费图形处理器来学习TensorFlow2.0，但是我不能用!pip install tensorflow-gpu==2.0.0-alpha0安装TensorFlow2.0。
浏览 64提问于2019-04-18得票数 1
我试图执行一个简单代码的急切执行。
我在Jupyter Notebook和Spyder IDE上都尝试过。使用Jupyter我没有问题，但当我在Spyder中执行代码时，它会返回一个错误：
File "C:\...\lib\site-packages\tensorflow\python\framework\ops.py", line 5496, in enable_eager_execution "tf.enable_eager_execution must be called at program startup.")
ValueError: tf.enabl
浏览 5提问于2018-08-22得票数 4
回答已采纳
NNpack在tensorflow中实现了吗？我发现它可以被更高级别的框架所利用，比如Torch、Caffe、Tensorflow、Theano和Mocha.jl，然而，我还没有在tensorflow中找到任何实现。
浏览 12提问于2017-01-24得票数 0
回答已采纳
我尝试使用tensorflow作为后端来构建一个自定义的Keras regularize。执行下面这段代码会给我一个异常：
import tensorflow as tf
from tensorflow import keras
inputs = keras.Input(shape=(10,))
x = keras.backend.conv1d(inputs, tf.constant([-1,1]), padding = 'same', dilation_rate=None)
x = keras.backend.conv1d(inputs, tf.consta
浏览 0提问于2018-10-01得票数 0
我尝试使用TensorFlow作为后端，昨天我可以使用它，但今天当我使用它来显示一些错误消息时，我试图导入Keras，所以这是我的代码：
# Install required libs
# NOTE: Run this one code, then restart this runtime and run again for next all... (PENTING!!!)
### please update Albumentations to version>=0.3.0 for `Lambda` transform support
!pip install -U segme
浏览 10提问于2021-05-26得票数 9
回答已采纳
1回答
tensorflow怎么叫这个设备？以及流如何自动将任务分配给设备？tensorflow中有接口源代码吗？但我找不到详细的源代码。
就像：
使用tf.device('/gpu:2')：
A= tf.constant(1.0，2.0，3.0，4.0，5.0，6.0，shape=2，3，name='a')
B= tf.constant(1.0，2.0，3.0，4.0，5.0，6.0，shape=3，2，name='b')
C= tf.matmul(a，b)
为什么当我们运行with tf.device('/ gpu:2 '):，操作系
浏览 5提问于2017-04-11得票数 0
我想加载tensorflow flowers数据集，并使用tfds.show_examples将其可视化。 import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import tensorflow_hub as hub
import tensorflow_datasets as tfds
from tensorflow.keras import layers
import logging
logger = tf.get_logger()
logger.setLevel(logging.ER
浏览 18提问于2020-06-26得票数 2
当我运行以下代码段时：
import tensorflow as tf
from tensorflow.keras import Input, layers
segments = 1
segment_length = 64000
inputs = Input(shape=(segments, segment_length))
net = tf.reshape(inputs, (-1, 1, segment_length * segments))
net = layers.Conv1D(filters=512, kernel_size=16, strides=8, use_bias=False
浏览 0提问于2020-02-20得票数 1
1回答
我正在运行Ubuntu16.04.3 LTS amazon深度学习AMI。我正在使用内置的tensorflow_p36 (python3.6)虚拟环境。
我尝试使用以下命令来检查安装是否正常。从那里得到了提示。
(tensorflow_p36) ubuntu@ip:~/Notebooks$ which python
/home/ubuntu/anaconda3/envs/tensorflow_p36/bin/python
(tensorflow_p36) ubuntu@ip:~/Notebooks$ which ipython
/home/ubuntu/anaconda3/envs/tenso
浏览 2提问于2018-02-20得票数 1
大家好，我是一名高中生，我的任务是制作CNN。我对这种类型的编码不是很熟悉。每次我们在Jupyter Notebook中运行代码时，都会出现以下错误：
ModuleNotFoundError Traceback (most recent call last)
<ipython-input-9-7d4e1bb634e9> in <module>
8 import matplotlib.pyplot as plt
9 import numpy as np
---> 10 import tensorfl
浏览 33提问于2020-02-06得票数 0
运行于Ubuntu16.04，最新(1.1.0) tensorflow (通过pip3 install tensorflow-gpu安装)，CUDA8 + CUDNN5。
代码大致如下所示：
import tensorflow as tf
from tensorflow.contrib.learn import KMeansClustering
trainencflt = #pandas frame with ~30k rows and ~300 columns
def train_input_fn():
return (tf.constant(trainencflt, shape
浏览 4提问于2017-06-15得票数 1
回答已采纳
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
我使用了下面的指南来安装tensorflow-gpu -
我创建了一个新环境并使用命令安装了tensorflow-gpu -
conda创建-名称tf_gpu tensorflow-gpu
如果我激活环境，在终端中启动python，然后从终端导入tensorflow，它就能工作。
但
当我激活环境时，运行一个jupyter笔记本然后键入-
进口丹瑟尔流
我得到模块没有找到错误。我该怎么解决这个问题？
浏览 1提问于2019-08-02得票数 2
回答已采纳
朱庇特笔记本电脑在导入numpy.core.umath时出现了“tensorflow.But未能导入”错误，可以在其他情况下正确导入，如CMD和pycharm。
tf2是一个conda虚拟env
我使用ipykernel将conda虚拟env映射到jupyter笔记本。
python3 -m ipykernel install --user --name tf2 --display-name tf2
矮胖1.16.4
tensorflow 2.0.0a0
tensorflow-gpu 2.0.0a0
张力层2.1.0
我试图将numpy版本改为1.16.3+mkl，这个问题仍然存在。
impo
浏览 1提问于2019-06-23得票数 1
回答已采纳
我在我的木星笔记本中得到了这个错误。完全错误如下：
---------------------------------------------------------------------------
ModuleNotFoundError Traceback (most recent call last)
in
1 import numpy as np # working with data
2 import pandas as pd
----> 3 from keras.layers.core import D
浏览 2提问于2020-02-14得票数 2
回答已采纳
在终端
windows 10使用库达10.1python 3.7.7GPU GeForce GTX 1050 4GB
>>> import tensorflow as tf
2020-07-08 17:10:50.005569: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_101.dll
>>> tf.config.list_physical_devices('GPU')
浏览 1提问于2020-07-08得票数 6
回答已采纳
1回答
因此，我管理所有其他包(如cv2、熊猫、matplotlib.)，在默认内核或Python3内核中运行良好，除了Tensorflow以外的。
Tensorflow不使用内核导入："Python 3“或"Python默认值”。
将tensorflow作为tf导入
---------------------------------------------------------------------------
ImportError Traceback (most recent call last)
<
浏览 1提问于2016-11-04得票数 1
我在运行Ubuntu16.04的系统上安装了tensorflow-gpu。import tensorflow运行良好，在python上加载CUDA，在终端上加载IPython。但是在导入IPython QtConsole时，我会得到以下错误。
ImportErrorTraceback (most recent call last)
<ipython-input-25-41389fad42b5> in <module>()
----> 1 import tensorflow as tf
/usr/local/lib/python2.7/dist-packages/
浏览 4提问于2017-03-21得票数 0
回答已采纳
我正在尝试使用pycuda来加速我的神经网络(我知道tensorflow更容易用于GPU加速，我只是想先手动完成，因为我对神经网络比较陌生)，但每当我将一个数组传递给GPU并让每个线程在threadIdx打印出数组的值时，即使我设置了数组的值，它也会打印零。 我已经尝试使用一个非常简单的内核进行测试，它只打印一维数组的值，我还尝试将数据类型更改为float32。 我用来测试这个问题的基本内核： test_mod = SourceModule("""
__global__ void test(float *a)
{
printf("
浏览 27提问于2019-05-04得票数 0
回答已采纳
当我试图运行以下非常简单的TensorFlow代码时，我得到了一个异常，尽管我实际上从文档中复制了它：
import tensorflow as tf
with tf.device("/gpu:0"):
x = tf.Variable(0, name="x")
sess = tf.Session()
sess.run(x.initializer) # Bombs!
例外是：
tensorflow.python.framework.errors.InvalidArgumentError: Cannot assign a device to
node
浏览 0提问于2016-08-24得票数 2
回答已采纳
tf.tile操作无法在GPU设备上执行。这段代码：
import tensorflow as tf
with tf.device('/gpu:0'):
tt = tf.tile(tf.range(4), [3])
with tf.Session() as sess:
print(sess.run(tt))
结果如下：
Caused by op u'Tile', defined at:
File "test_tf3.py", line 6, in <module>
tt = tf.tile(tf.ran
浏览 0提问于2017-08-08得票数 3
BTHOG。
我定义并精调移动多语言bert模型，该模型使用以下keras代码构建：
bert_preprocess = hub.KerasLayer("https://tfhub.dev/tensorflow/bert_multi_cased_preprocess/3")
bert_encoder = hub.KerasLayer("https://tfhub.dev/tensorflow/mobilebert_multi_cased_L-24_H-128_B-512_A-4_F-4_OPT/1", trainable=True)
i = tf.keras.l
浏览 28提问于2022-05-09得票数 0
我正在尝试遵循TensorFlow应用编程接口文档。我已经完成了所有步骤并激活了我的tensorflow_gpu环境。在C:\TensorFlow\models\research\object_detection中，我输入"jupyter notebook“，它会打开一个空白页面。
我试图在我的基础目录(Root)中打开Jupyter Notebook，它会打开仪表板，但对于其他环境，它只给我一个空白页面。
我该如何避免这种情况呢？谢谢。
我尝试为那个特定的环境删除并重新安装jupyter笔记本。我试着升级和降级它的版本。目前还没有成功。
浏览 27提问于2019-11-12得票数 0
当我在木星笔记本上运行以下代码时：
import tensorflow as tf
a = tf.constant("hello world!")
sess = tf.Session()
print(sess.run(a))
我收到以下错误消息：
ImportError: Traceback (most recent call last):
File "/home/ac/anaconda3/lib/python3.6/site-packages/tensorflow/python/pywrap_tensorflow.py", line 41, in &l
浏览 1提问于2018-02-01得票数 1
回答已采纳
在导入tensorflow作为tf时，我一直会收到以下错误文本：
ImportError:无法从“tensorflow.python.keras.saving.saved_model”导入名称“export_saved_model”
使用的代码很简单：
import tensorflow as tf
我所做的是：
通过anaconda promptRestarted通过pip和condo卸载和安装并清除内核的输出，关闭jupyter记事本并重新启动计算机
用于tensorflow卸载的代码：
pip uninstall tensorflow或conda uninstall -y tenso
浏览 8提问于2020-05-16得票数 10
回答已采纳
我正在使用Jupyter Notebook，并且正在尝试导入tensorflow。下面是我得到的错误：
---------------------------------------------------------------------------
ModuleNotFoundError Traceback (most recent call last)
<ipython-input-15-64156d691fe5> in <module>()
----> 1 import tensorflow as tf
Mo
浏览 3提问于2018-02-18得票数 3
回答已采纳
1回答
我对TensorFlow相当陌生，现在我正在研究定制的op开发。我已经阅读了官方教程，但我觉得很多事情都发生在幕后，我并不总是想把我的自定义操作放在user_ops目录中。
因此，我获得了一个
它使用自定义的"Skipgram“op，其注册在这里定义：
/word2vec_ops.cc
它的内核实现在这里：
/word2vec_kernels.cc
查看构建文件，我尝试构建单独的目标。
1) bazel build -c opt tensorflow/models/embedding:word2vec_ops
这将像预期的那样生成一堆对象文件。
2) bazel build -c op
浏览 3提问于2016-05-31得票数 9
TensorFlow白皮书提到使用了Eigen。有没有关于如何选择Eigen的公开解释，以及它们是否有在TensorFlow C++ op内核中使用Eigen的动机？
浏览 3提问于2017-01-07得票数 19
回答已采纳
1回答
全,
我最近在我们的集群上安装了tensorflow，并且一直在运行then MNIST示例代码来测试安装。我对tensorflow增加CPU数量会如何影响tensorflow的性能很感兴趣。为此，我使用不同数量的内核运行了相同的示例代码，但tensorflow似乎在可伸缩性方面做得不好。我从另一个堆栈溢出问题中发现，tensorflow会自动使用所有可用的CPU，并在运行作业时假设这是真的。
在编号的图下面可以找到。核数与耗时之比。这是5次试验的平均值，核心数从1到28。
有没有解释为什么伸缩性这么差？我并没有期望随着内核数量的增加而不断增加，因为据我所知，通信b/w内核将被考虑在内。但我
浏览 0提问于2016-11-23得票数 0
我在github上阅读了tensorflow的源代码，发现gen_math_ops是导入的。
from tensorflow.python.ops import gen_math_ops
但是，我在整个项目中找不到这个脚本，而且它也不在ops文件夹下。
浏览 0提问于2016-04-22得票数 21
回答已采纳
1回答
调试后，我发现下面出现了奇怪的错误
程序：(仅一行)导入tensorflow作为tf
当我第一次运行上面的代码时，我得到以下警告：\AppData\Local\Continuum\anaconda3\lib\site-packages\h5py__init__.py:36: FutureWarning:不推荐将issubdtype的第二个参数从float转换为np.floating。在未来，它将被视为np.float64 == np.dtype(float).type。从._conv导入register_converters作为_register_converters
=>来自网络，这只
浏览 1提问于2018-05-30得票数 3
tensorflow被设计成与移动设备和使用Tensorflow的兼容。但我在源代码中找不到任何与神经网络相关的函数。在中，我找不到任何用于训练网络的API？
是我太粗心了，找不到它们，还是有其他方法可以做到这一点？
谢谢。
浏览 2提问于2016-10-18得票数 4
我尝试运行train.py文件来训练我的对象检测器，但是我得到了一个ModuleNotFoundError: No module named 'tensorflow'错误。我在我的conda环境中运行它，我可以在那个环境中很好地导入和使用tensorflow。有人知道为什么会这样吗？谢谢 (fastai-audio) C:\Users\Andrew\Documents\TensorFlow\workspace\classification>train.py --logtostderr --train_dir=training/ --pipeline_config_pat
浏览 9提问于2019-01-19得票数 0
最近，我正在观看对TensorFlow的介绍，在这个过程中，Keras提出了一个高级API，可以在后端使用TensorFlow或Theano。
我和他们都玩过，用第一个纯TensorFlow和之后的Keras做了一个MNISTLeNet-5实现。至少在我的机器上，当我直接使用TensorFlow时，我没有看到性能有任何显著的提高。
所以我现在的问题是:直接在Keras上使用TensorFlow有什么好处？也许这是一个规模的问题，我会看到在一个更大的规模项目的绩效显著提高吗？
浏览 6提问于2017-09-20得票数 5
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
