tf.math.reduce_mean和tf.keras.metrics.Mean有什么不同？
tf.math.reduce_mean是 TensorFlow 中的一个数学运算函数，用于计算张量中元素的均值。它可以在指定的维度上计算平均值，并返回一个标量值作为结果。reduce_mean可以应用于任何形状的张量，并且可以指定轴以计算沿着哪个维度的平均值。它的使用方式如下：
import tensorflow as tf
# 创建一个张量
x = tf.constant([[1, 2, 3],
[4, 5, 6]])
# 计算整个张量的平均值
mean = tf.math.reduce_mean(x)
print(mean.numpy()) # 输出结果为 3.5
# 指定轴为 1，计算沿着第一个维度的平均值
mean_axis_1 = tf.math.reduce_mean(x, axis=1)
print(mean_axis_1.numpy()) # 输出结果为 [2. 5.]tf.keras.metrics.Mean是 TensorFlow 中的一个度量函数，用于计算模型的平均值。它通常用于评估模型的性能，并且可以在训练过程中进行实时的度量。Mean维护了一个内部状态来计算累积的平均值，可以通过update_state方法更新状态，通过result方法获取最终的平均值。它的使用方式如下：
import tensorflow as tf
# 创建一个 Mean 对象
mean = tf.keras.metrics.Mean()
# 更新状态并计算平均值
mean.update_state(1.0)
mean.update_state(2.0)
mean.update_state(3.0)
# 获取平均值
result = mean.result()
print(result.numpy()) # 输出结果为 2.0tf.math.reduce_mean和tf.keras.metrics.Mean的不同在于，reduce_mean是一个普通的数学运算函数，用于计算张量的均值；而Mean是一个度量函数，用于计算模型的平均值。它们适用的场景和使用方式有所不同。在实际应用中，根据具体的需求选择合适的函数进行计算。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云产品介绍：https://cloud.tencent.com/product
- 腾讯云对象存储 COS：https://cloud.tencent.com/product/cos
- 腾讯云云服务器 CVM：https://cloud.tencent.com/product/cvm
- 腾讯云人工智能 AI：https://cloud.tencent.com/product/ai
- 腾讯云区块链 TBaaS：https://cloud.tencent.com/product/tbaas
相关·内容
1回答
为了处理可变长度的输入序列，所有输入序列都被填充到相同的长度中。这对计算损失价值有影响。因此，掩码张量与损耗张量相乘，使填充元素0产生的损失。但在使用tf.math.reduce_mean或tf.keras.metrics.Mean计算损失平均值时，这些填充元素对平均损失有影响。
所以我的问题是，怎样才能算出坦索弗洛的蒙面损失呢？
例如：
t = [1, 2, 3]
t = pad(t, 6) # padding, now t = [1, 2, 3, 0, 0, 0]
mask = [True, True, True, False, False, False]
loss = [0.1, 0.2
浏览 11提问于2019-11-23得票数 0
回答已采纳
1回答
我使用TensorFlow 2和tensorflow.keras.layers的functional来构建模型。
我有一个输入张量(in_1)，它的形状是batch_size，长度，dim，我想计算沿长度维数的平均值，得到一个输出张量(out_1)，它的形状是batch_size，dim。
我该用哪一种来做呢？(就输出形状和培训而言，所有这些选项都有效)
out_1 = Lambda(lambda x: tf.math.reduce_mean(x, axis=1))(in_1)
out_1 = Lambda(lambda x: tf.keras.backend.
浏览 4提问于2020-12-07得票数 2
回答已采纳
我不知道该用什么函数。它们看起来是一样的，工作也是一样的。我知道tf.keras.metrics.Mean是公制的，但是我不能在其他地方使用它吗？
浏览 24提问于2021-01-09得票数 0
2回答
许多Keras指标tf.keras.metrics.Mean、tf.keras.metrics.Accuracy等都有一个名为name的可选属性。
这个属性的用例是什么？
浏览 0提问于2020-06-10得票数 0
我有一个来自特征提取模块的5D图像序列(无，4，10，4,1536)，但我需要在所有序列特征中取平均值/总和，以便适合2DCNN层(4D张量)，如何在TensorFlow中具体做到这一点？提前谢谢。
浏览 25提问于2021-01-23得票数 0
回答已采纳
我使用的是Python 3.7.7和Tensorflow 2.1.0。 我有这个张量： tf.Tensor([...], shape=(5, 512), dtype=float32) 我想计算它在每个元素上的平均值，得到一个形状为(1, 512)的张量，但我不知道怎么做。我尝试过tf.math.reduce_mean，但它返回一个数字。 这是我尝试过的： support_set_embeddings = encoder(X_train) # tf.Tensor([...], shape=(5, 512), dtype=float32)
class_prototype = tf.math.re
浏览 54提问于2020-08-23得票数 0
回答已采纳
我正在创建一个基本的深入学习模型，并试图用tf.keras.metrics.Mean()编译它，但是我一直收到这个错误，我不知道如何修复它。我意识到这些度量标准的tensorflow文档应该使用"add_metric“函数，但我并不真正理解如何使用该函数。
这里有一个简单的代码来重现这个错误：
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
model = Sequential()
model.add(Dense(4, input_shape=(1,))
浏览 6提问于2022-03-18得票数 1
我已经阅读了TF 2.0教程：Using TensorBoard with other methods，然后我写了这个简单的代码，但似乎不起作用： import tensorflow as tf
train_loss = tf.keras.metrics.Mean('train_loss', dtype=tf.float32)
test_loss = tf.keras.metrics.Mean('test_loss', dtype=tf.float32)
train_summary_writer = tf.summary.create_file_write
浏览 22提问于2019-06-29得票数 0
回答已采纳
像下面的代码一样连接了3个神经网络，我们如何从初始网络中提取两个梯度？第一个梯度起作用，但第二个梯度返回None张量。看起来它们并不是彼此相关的，所以才能得到梯度。这里有什么问题？？ with tf.GradientTape() as tape1:
with tf.GradientTape() as tape2:
output1 = NN_model1(input1, training=True)
output2 = NN_model2(output1, training=True)
output3 = NN_model3([input
浏览 15提问于2021-04-01得票数 0
回答已采纳
2回答
如何求出输入向量的平均值
、、、
我想找出输入向量的平均值。我试着使用tf.math.reduce_mean，但是它出错了。
如果我必须使用keras.layers.Average，我必须列出隐藏的状态。
有人知道怎么解决这个问题吗？
使用tf.math.reduce_mean
# Input
inputs = Input(shape=(max_length,), name="Input")
# Embedding
embed = Embedding(input_dim=n_words+1,
output_dim=embedding_size,
浏览 0提问于2020-05-11得票数 0
回答已采纳
为了创建自定义的丢失函数，我看到许多人使用了tensorflow的后端功能。
例如，如果我们想要创建以y_true和y_pred为输入的自定义丢失函数，并计算它们之间的差平方。ie MSE
代码：
import tensorflow as tf
import tensorflow.keras.backend as kb
import numpy as np
y_true = np.random.uniform(0,1,(100,))
y_pred = np.random.uniform(0,1,(100,))
def custom_mean_squared_error(y_true, y_
浏览 1提问于2021-03-26得票数 1
我试图向Keras函数模型(Tensorflow 2.5)添加一个平均度量，并得到以下错误：
ValueError: Expected a symbolic Tensor for the metric value, received: tf.Tensor(0.0, shape=(), dtype=float32)
以下是代码：
x = [1, 2, 3, 4, 5, 6, 7, 8]
y = [5 + i * 3 for i in x]
a = Input(shape=(1,))
output = Dense(1)(a)
model = Model(inputs=a,outputs=outpu
浏览 10提问于2021-07-12得票数 1
I need to convert the following line into its tensorflow equivalent in tf version 1.8
but I am not getting the appropriate functions equivalent to cv2.threshold and np.std in TF 1.8
ret,mask = cv2.threshold(mask,tf.reduce_mean(mask)+1.2*np.std(mask),255,cv2.THRESH_BINARY) 该行的输出应为二进制掩码
浏览 18提问于2020-09-25得票数 1
1回答
我试图理解欧拉角和旋转矩阵之间的转换。
模拟欧拉角的随机矩阵并将其转化为三维旋转矩阵并返回到欧拉角并不能保持原来的欧拉角。
import tensorflow as tf
import tensorflow.experimental.numpy as tfnp
import tensorflow_graphics as tfg
tf.random.set_seed(5)
n = 10
euler = tf.random.uniform(shape=[n, 3], minval=-tfnp.pi, maxval=tfnp.pi, seed=0)
R = tfg.geometry.transfo
浏览 9提问于2022-04-13得票数 0
当我尝试运行我的代码时，我得到一个错误
ValueError: No gradients provided for any variable
下面是我的代码
optimizer = tf.keras.optimizers.Adam(learning_rate=1e-2)
while True:
#...other stuff
if(isTimeToBackprop()):
vStates = model.predict(modelInput)
tdTargets = tf.ones(vStates.shape)
los
浏览 0提问于2020-09-22得票数 0
1回答
暹罗模型精度停留在0.5
、、、、
我正在尝试使用Keras为签名数据集训练一个暹罗网络模型，并且只考虑损失似乎还不错。但具有讽刺意味的是，模型的准确性仍停留在0.5。
模型损失：
📷
模型精度：
📷
我的模型是一个深层次的模型，这是它的体系结构：
input = Input((128, 128, 1))
x = BatchNormalization()(input)
x = Conv2D(16, (2, 2), activation="tanh")(x)
x = AveragePooling2D(pool_size=(2, 2))(x)
x = Conv2D(32, (2, 2), activation=&#
浏览 0提问于2022-03-31得票数 1
回答已采纳
1回答
我和一张纸一起工作，在那里它实现了一个具有自定义损耗功能的自动编码器来处理振动信号。
我很难在keras上实现它。为了避免信号中的背景噪声问题，他们实现了“最大余熵”作为损失函数。
以下是描述：
高斯核是关联熵中最流行的Mercer核，其定义为
其中r是内核大小。然后，可以通过最大化以下功能来设计新的自动编码器丢失函数：
因为我从来没有实现过一个定制的丢失函数，所以我对python中的数学有问题。内核用于我需要实现的损失函数。这就是我所拥有的：
file = np.load('./data/CWRU_48k_load_1_CNN_data.npz') # Num
浏览 2提问于2022-02-04得票数 0
回答已采纳
问题：
给定可变长度的输入，精度度量是不正确的，因为短向量被填充到较长的向量中.
使用来自Masking的keras层可以解决这个问题，方法是对所有的零值应用一个掩码，但是因为我的序列自然包含零，而且超长( 50,000个令牌)，这会使训练速度降低50倍！
详细信息
我有一个用tf.data.Dataset表示的数据集，其中每个示例包含3个属性：
src -输入sequencetgt -类ID输出序列中令牌的sequencetokens数
我想训练一个序列标记模型。
为了与Keras一起使用它，我知道我只需要在我的数据集中有一个x和y，所以我映射：
dataset = dataset.map(
浏览 0提问于2020-07-23得票数 0
我想为seq2seq问题编写一个自定义丢失函数。我的输入(X)具有形状(N，M)，即长度为M的N个序列。每个序列都有M/2数(从1到M/2)，重复两次，随机地重复。下面是M=200的一个示例：
X = array([[ 60., 71., 15., ..., 73., 64., 71.],
[ 71., 37., 19., ..., 78., 34., 65.],
[ 50., 41., 91., ..., 57., 59., 4.],
...,
[ 2., 66., 79., ..., 25.,
浏览 2提问于2021-12-03得票数 0
假设我有一个表示为秩N+1张量的秩N张量列表。例如，100个10x20矩阵的列表作为具有形状(100,10,20)的秩3张量。我需要对每个矩阵执行相同的操作:对每个矩阵的所有元素求和，即第i个矩阵的值的平均值和中位数。有没有可能沿着0轴做像tf.math.reduce_sum，tf.math.reduce_mean，tf.contrib.distributions.percentile这样的事情，但是一次计算沿着0轴的每个元素的整个矩阵？ 例如： matricesList = tf.constant([[[1,1],[1,1]],
[[2
浏览 11提问于2019-01-22得票数 2
回答已采纳
我试图在浏览器中实现一个深度学习模型，这需要移植一些自定义层，其中之一是即时层规范化。下面的代码应该是工作的，但它有点旧。我知道这个错误：
Uncaught (承诺) ReferenceError: InstantLayerNormalization.build没有定义初始化器
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs/dist/tf.min.js"> </script>
<script>
class InstantLayerNormalization ext
浏览 3提问于2021-05-19得票数 1
回答已采纳
我认为这个错误来自于形状的问题，但我不知道在哪里。完整的错误消息建议执行以下操作：
此外，tf.function还有experimental_relax_shapes=True选项，它可以放松参数形状，避免不必要的回溯。
当我在函数装饰器中输入这个参数时，它确实有效。
@tf.function(experimental_relax_shapes=True)
原因是什么？下面是完整的代码：
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
import tensorflow as tf
print(f&#
浏览 4提问于2020-05-06得票数 5
回答已采纳
我正在编写我的第一个TFJS演示应用程序。我有一个训练有素的猫/狗二进制分类器，我已经使用转换器进行了转换。我可以加载模型并传递来自iphone或android摄像头的图像进行分类。不幸的是，结果很糟糕。我的模型是使用samplewise_center和samplewise_std_normalization都设置为true的keras ImageDataGenerator进行训练的。我现在非常确定我需要在我的应用程序中进行同样的标准化。
我在完整的API中看到了tf.math.reduce_mean()和reduce_std()。在JS中，我看到了ts.mean()，但没有看到ts.std(
浏览 25提问于2019-07-09得票数 2
我正在尝试实现二进制交叉熵损失，而不是使用keras函数。下面是我的代码：
def softmax_fn(val):
return tf.math.exp(val) / tf.math.reduce_sum(tf.math.exp(val))
def bce_fn(y_true, y_pred):
y_pred_softmax = softmax_fn(y_pred)
bce_loss = tf.cast(y_true, tf.float32) * tf.math.log(y_pred_softmax) + (1.0 - tf.cast(y_true, tf.float32))
浏览 0提问于2020-10-31得票数 0
当我以如下方式执行代码时，TypeError: zip参数#2必须支持屏幕上弹出的迭代。
theta = tf.Variable(tf.zeros(100), dtype=tf.float32, name='theta')
@tf.function
def p(x):
N = tf.cast(tf.shape(x)[0], tf.int64)
softmax = tf.ones([N, 1]) * tf.math.softmax(theta)
idx_x = tf.stack([tf.range(N, dtype=tf.int64), x-1], ax
浏览 0提问于2019-04-25得票数 1
回答已采纳
1回答
我有一个2通道数字阵列的形状(64，64，2)作为我的CNN输入。我想构建一个定制的损失函数，如中所描述的：
def basic_loss_function(y_true, y_pred):
return tf.math.reduce_mean(tf.abs(y_true - y_pred))
model.compile(optimizer=keras.optimizers.Adam(),
loss=basic_loss_function)
model.fit(x_train, y_train, batch_size=64, epochs=3)
但我想要
浏览 7提问于2020-03-07得票数 0
回答已采纳
1回答
我用的是定制的丢失
def custom_mean_squared_error(y_true, y_pred):
return tf.math.reduce_mean(tf.square(y_true - y_pred))
model = Model(ip, op)
model.compile(optimizer=(Adam(lr=1e-4)), loss=custom_mean_squared_error)
#training
loss = model.train_on_batch(x_train,y_train)
#validating
y_pred = model.pred
浏览 6提问于2020-07-23得票数 0
回答已采纳
我使用tensorflow.data和custom layers来解决数据增强的瓶颈，但是我发现单独使用tensorflow.data比混合更快，我不知道custom layers中发生了什么，有人能告诉我吗？
提前感谢！
这是我的数据增强代码，主要做标准化和调整大小。
def random_normalization(data, mean, std):
mean = tf.multiply(mean, tf.random.uniform(shape=(), minval=0.5,maxval=0.9, dtype=tf.float64))
std = tf.multiply(
浏览 3提问于2022-01-14得票数 0
回答已采纳
我试图让Keras model.fit()在我的多输出模型上工作，但是失败了，它使用了TF 2中所有输出的目标和预测(特别是2个输出)。
当我试图在用Keras建立的模型上这样做时，我得到了一个错误："SymbolicException:对急切执行函数的输入不能是Keras符号张量，但是发现了.“意味着我不能使用丢失函数，因为它将一个急切的张量返回给一个与符号张量(functional模型)一起工作的Keras。为了解决这个问题，我使用了model.add_loss()，而不是将丢失函数传递给model.compile()，但我认为这占用了GPU内存，并导致了OOM错误。
我尝试了一些
浏览 5提问于2020-10-27得票数 1
1回答
CNN自定义丢失函数中数据的处理
、、、、
我试着用Keras写一个定制的损失函数给我正在做的CNN。Y_true和Y_pred都是灰度图像的张量，所以我希望得到[a, x, y, 1]的形状，其中x和y是图像的维数，a是批处理大小。
计划是：
阈值每幅Y_true图像按其平均像素强度使用该掩码的非零元素从Y_true和Y_pred中获取像素数组，测量这些阵列的余弦相似性(使用内置的Keras损失函数)，并将批处理的平均结果返回为损失。
我的主要问题是如何有效地实施这个过程？cosine_similarity函数在一维数组上工作吗？
我知道我应该避免for循环来保持效率，但是这是我能想到实现这个函数的唯一方法。是否有更有效的方法来使用K
浏览 2提问于2020-05-19得票数 1
回答已采纳
当我在Tensorflow的网站上看到时，我发现了两种自定义损失的方法。第一个是定义一个损失函数，就像：
def basic_loss_function(y_true, y_pred):
return tf.math.reduce_mean(tf.abs(y_true - y_pred))
为了简单起见，我们假设批处理的大小也是1，所以y_true和y_pred的形状都是(1，c)，其中c是类的数目。在这种方法中，我们给出了两个向量y_true和y_pred，并返回一个值(Scala)。
然后，第二个方法是子类tf.keras.losses.Loss类，指南中的代码是：
class W
浏览 4提问于2020-05-14得票数 4
我对计算梯度wrt很感兴趣。Tensorflow中keras模型的输入。我知道以前这可以通过构建一个图和使用tf.gradients来完成。例如here。但是，我希望在急切模式(可能使用GradientTape)下进行实验时实现这一点。具体地说，如果我的网络有两个输入(x, y)，并且预测(u, v, p)计算，例如du/dx用于损失。 下面是Snippit，完整的代码at this gist。 model = tf.keras.Sequential([
tf.keras.layers.Dense(20, activation=tf.nn.relu, input_shape=(2,)
浏览 24提问于2019-03-08得票数 3
使用Tensorflow，我需要根据第二个张量给出的组，从张量中计算出多个分组度量(例如均值)。
一个玩具的例子，比方说我有：
values = tf.constant([[1], [1.5], [2], [2.5], [3], [3.5]])
groupings = tf.constant([1,3,2,1,2,3])
并想计算：
group_means = [1.75,2.5,2.5])
我知道如何计算一组的平均数，例如：
group = tf.boolean_mask(values, tf.equal(groupings, i))
mean = tf.math.reduce_mean(g
浏览 5提问于2022-10-10得票数 1
回答已采纳
2回答
我在复制一篇论文。我有一个基本的Keras模型，用于MNIST分类。现在，对于训练中的样本z，我要计算模型参数的关于该样本丢失的恒心矩阵。我想对训练数据进行平均化(n是训练数据的数量)。
我的最终目标是计算这个值(影响分数)：
我可以计算左项和右项，想要计算Hessian项。我不知道如何计算一批示例的模型权重(向量化)。我只能在一次速度太慢的样本上计算它。
x=tf.convert_to_tensor(x_train[0:13])
with tf.GradientTape() as t2:
with tf.GradientTape() as t1:
y=
浏览 11提问于2022-11-16得票数 0
我正在做我的第一个Python语言机器学习项目-使用TensorFlow尝试使用Moby Hyphenator II数据集对单词进行音节化。 我将其视为多标签分类问题，其中单词及其音节以以下格式编码： T e n - s o r - f l o w
0 0 1 0 0 1 0 0 0 0 当通过this guide阅读作为起点时，我看到作者使用了一个自定义函数-他们用PyTorch中的均方根误差平均加权的二进制交叉熵： def bce_rmse(pred, target, pos_weight = 1.3, epsilon = 1e-12):
# Weighted binar
浏览 51提问于2021-07-29得票数 0
回答已采纳
我正在尝试为线性回归创建一个简单的TensorFlow2.0代码 import tensorflow as tf
import numpy as np
x = tf.random.uniform([3,10])
coeff = tf.constant([[1.,2.,3.]])
intercept = 5.
def calcy(x=x, coeff=coeff, intercept=intercept):
return tf.linalg.matmul(coeff, x)+intercept
y = calcy()
@tf.function
def train(x
浏览 12提问于2019-08-26得票数 1
我正在Tensorflow 2中训练一个LSTM模型来预测两种输出，即水流和水温。
对于一些时间步骤，有一个流标签和一个温度标签；对于一些步骤，只有一个流流标签或一个温度标签，，对于一些步骤，有<code>E 110</code>两者都没有<code>E 211</code>。
因此，当没有标签时，损失函数需要忽略温度和流损失。我在TF文档中读了不少书，但我很难找到最好的方法。
到目前为止我已经试过了
在编译模型时指定fit，然后在调用时包含sample_weight numpy数组
当我这样做时，我会收到一个错误，要求我传递一个2D数组。但这让
浏览 1提问于2020-03-17得票数 2
回答已采纳
1回答
我试图通过显式地应用梯度来限制我的模型的权重；而淋浴，这是不起作用的，我不知道为什么。
我用以下函数定义模型：
def init_model(num_hidden_layers=2, num_neurons_per_layer=64):
model = tf.keras.Sequential()
model.add(tf.keras.Input(shape=(2,)) )
for _ in range(num_hidden_layers):
model.add(tf.keras.layers.Dense(num_neurons_per_layer,
浏览 8提问于2022-08-01得票数 0
我刚接触过Tensorflow，所以这可能是个假问题。我试图弄清楚tf.GradientTape()在做什么，但我不太明白它是如何记录这些操作的。下面是我尝试过的代码：
mean = tf.keras.metrics.Mean()
xs = tf.constant([2.0, 3.0, 4.0])
for x in xs:
with tf.GradientTape() as g:
y = x * x
print(y, mean(y))
下面是输出：
tf.Tensor(4.0, shape=(), dtype=float32) tf.Tensor(4.0, shape=(),
浏览 0提问于2020-07-24得票数 2
回答已采纳
我打算使用以下函数作为我的训练的损失： import tensorflow as tf
def wrap(dist):
return tf.while_loop(
cond=lambda X: tf.math.abs(X) > 0.5,
body=lambda X: tf.math.subtract(X, 1.0),
loop_vars=(dist))
# PBC-aware MSE, period = 1.0 ([0, 1.0])
def custom_loss(y_true, y_pred):
diff = t
浏览 9提问于2021-04-25得票数 1
回答已采纳
2回答
我正在尝试创建一个能够在文本序列中发现异常的自动编码器： X_train_pada_seq.shape
(28840, 999) 我想使用层嵌入。这是我的模型： encoder_inputs = Input(shape=(max_len_str, ))
encoder_emb = Embedding(input_dim=len(word_index)+1, output_dim=20, input_length=laenge_pads)(encoder_inputs)
encoder_LSTM_1 = Bidirectional(LSTM(400, activation='rel
浏览 28提问于2021-04-24得票数 1
回答已采纳
在下面的keras中，我试图训练一个多输出回归模型，其中有1000个样本，有20个特征(X)作为输入，并产生50 (Y)大小的输出。然而，我错过了一步，我没有把我的头绕过去，我错过了恰当地描述这个词。无论如何，让我试一试，请原谅这种混乱：
在这里，50个输出中的每一个以10组“特征过滤器”为特征，这些滤波器在这里与所述20个特性交互(例如，点积)以产生数字输出。我错过了一个图层，它将训练一个独特的大小权重矩阵(20，10)，其总和(或平均值)随后产生数值输出Y。这个想法是，输出以这些特征过滤器指示的方式对特征作出反应，并且这些交互作用在输出之间是一致的(例如，一个特征过滤器中的高值可能导致对一
浏览 2提问于2021-06-11得票数 0
回答已采纳
1回答
我想根据中的这个例子建立和训练一个语言模型
我的MaskedLanguageModel类如下所示：
import tensorflow as tf
from tensorflow import keras
loss_fn = keras.losses.SparseCategoricalCrossentropy(
reduction=tf.keras.losses.Reduction.NONE
)
loss_tracker = tf.keras.metrics.Mean(name="loss")
class MaskedLanguageModel(tf.keras.
浏览 6提问于2022-05-28得票数 1
2回答
我正在尝试理解如何在类似下面的模型中对密集的隐藏层施加约束。
我想开发函数applyConstraint，它可以将参数中包含的值重新缩放到最小值和最大值之间。
你会怎么做？
inp = tfl.Input((10,))
dense = tfl.Dense(16, activation = 'relu')(inp)
dense = tfl.Dense(8, activation = 'relu')(dense)
params = tfl.Dense(3, activation = 'relu')(dense)
params_max_min = ap
浏览 0提问于2021-03-02得票数 2
在我开始之前，我知道有很多问题与相同的错误，但没有一个为我解决问题。
我有一个PPO实现玩赛车-v2环境从健身房(gym==0.26.0，tensorflow==2.10.0)。我想让它更快一些，将一堆代码移动到一个单独的函数中，然后用tf.function包装它，但是仅仅将它移动到一个不同的函数中就会产生一个错误。除了将代码的一部分移动到不同的函数之外，代码中没有任何修改。
这是我以前的工作代码。
def learn(self):
for epoch in range(self.n_epochs):
# print(f"{epoch = }&#
浏览 8提问于2022-10-25得票数 0
回答已采纳
我在运行python3.7.0的jupyter笔记本上使用了一个非常简单的神经网络和tensorflow 2.0的最新版本。NN有Xip，一个浮点作为输出，我在函数MainGaussian_1_U中使用它作为参数，它近似于图像。当我试图用MeanSquareError计算真实图像img和近似mk之间的损失时，给出了一个错误，其中损失函数似乎以img作为约简键。搜索之后，我仍然不知道这个键应该是什么，也无法找到调试代码的方法：
model = tf.keras.models.Sequential()
# Add the layers
model.add(tf.keras.layers.Dens
浏览 0提问于2020-01-17得票数 2
回答已采纳
我正在尝试创建类似于Word2Vec的东西，如下所示：
class Word2Vec(keras.Model):
def __init__(self, vocab_size, embedding_dim):
super().__init__()
self.embedding = keras.layers.Embedding(
vocab_size,
embedding_dim,
浏览 1提问于2021-03-19得票数 0
从早上开始，我就一直在调试这个问题，一直没能取得任何进展。我试着用超过1的batch_size来训练一个模型。这些代码适用于batch_size=1，但对更大的数字不起作用。如果可能的话请帮忙。
自定义丢失函数的代码是(在调试过程中添加了所有打印语句)：
def mobilenet_loss(y_true, y_pred):
'''
y_pred will be an tensor of (None, 21, 21, 3) where the last axis corresponds to the classes from class_list
浏览 0提问于2021-04-20得票数 1
1回答
我为我的x训练使用了一个RGB数据集，损失是在一个动态损失函数中计算的，该函数获得了成对的距离，并将它们与理想距离dist_train进行了比较。以下是模型：
class MyModel(Model):
def __init__(self):
super(MyModel, self).__init__()
self.d1 = Dense(3, activation='relu')
self.flatten = Flatten()
self.d2 = Dense(3, activation='relu')
self.d3
浏览 1提问于2021-09-05得票数 1
2回答
我试图运行高级快速入门指南中的TensorFlow示例，但它只挂起以下三行：
2019-11-25 18:24:37.609515: I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU Frequency: 3503035000 Hz
2019-11-25 18:24:37.610314: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x2b714c0 executing computations on platform Host. Devic
浏览 23提问于2019-11-26得票数 0
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
