我试图在文件1中训练一个模型，并在另一个文件(文件2)中恢复和分析权重。
在文件1中，我使用get_variable创建了一个变量
with train_graph.as_default():
softmax_wInit = tf.truncated_normal((n_vocab, n_embedding))
softmax_w = tf.get_variable('SMWeightMatrix', initializer = softmax_wInit)
在文件2中，我恢复了图形和会话检查点，并尝试使用get_variable获取变量。
with tf.S
浏览 0提问于2018-05-22得票数 0
我在Tensorflow训练一个卷积神经网络。我的代码运行到完成时没有错误。尽管如此，我很难准确理解如何保存NN学习的权重和偏差(这很重要，因为我正在服务器上进行培训，并且希望在本地进行更容易的可视化操作)。
我初始化了我的权重和偏差：
weights = {
'wConv1': tf.Variable(tf.random_normal([5, 5, 1, 3],0,0.25), name='wC1'),
'wConv2': tf.Variable(tf.random_normal([5, 5, 3, 32],0,0.25),
浏览 9提问于2017-10-12得票数 1
回答已采纳
1回答
我对phyton编程很陌生。我在训练时保存了tensorflow神经网络，就像：
n_hidden_1 =200
n_hidden_2 =100 # 1st layer num features
n_hidden_3 = 100 # 2nd layer num features
n_input = 128 n_output = 128
X = tf.placeholder("float", [None, n_input])
Y = tf.placeholder("float", [None, n_output])
def encoder(x):
w
浏览 1提问于2019-12-23得票数 3
回答已采纳
Tensorflow While循环的变量创建代码如下：
x = tf.Variable(100)
c = tf.Constant(2)
n = 100
loops = 50
l1 = tf.Variable(np.random.random(n))
c1 = tf.Variable(np.random.random(n))
x = tf.multiply(c1,tf.exp(-(x-l1)/c))
l2 = tf.Variable(np.random.random(n))
c2 = tf.Variable(np.random.random(n))
浏览 1提问于2018-07-16得票数 0
我使用了一个具有以下变量的示例
weights = {
# 5x5 conv, 1 input, 32 outputs
'wc1': tf.Variable(tf.random_normal([5, 5, 1, 32])),
# 5x5 conv, 32 inputs, 64 outputs
'wc2': tf.Variable(tf.random_normal([5, 5, 32, 64])),
# fully connected, 7*7*64 inputs, 1024 outputs
'wd1'
浏览 13提问于2017-06-22得票数 0
似乎使用MultiRNNCell保存或恢复模型都不能正常工作。
我使用下面的代码来解决分类问题；
stacked_rnn_cell = list()
for i in range(config.num_layers):
rnn_cell = tf.contrib.rnn.LSTMCell(num_units=config.dim_hidden)
stacked_rnn_cell.append(rnn_cell)
rnn_cell = tf.contrib.rnn.MultiRNNCell(cells=stacked_rnn_cell, state_is_tuple=True)
浏览 1提问于2018-07-10得票数 1
我所有的代码都是用Ubuntu中崇高的文本编写的。
我目前正在学习机器学习，并一直在跟踪一段视频.我的代码和Youtuber的代码是一样的，但是我一直得到一个
File "deep-net.py", line 31
hidden_3_layer = {'weights':tf.Variable(tf.random_normal([n_nodes_hl2, n_nodes_hl3])),'biases':tf.Variable(tf.random_normal([n_nodes_hl3]))}
IndentationErr
浏览 0提问于2018-05-22得票数 1
回答已采纳
在一个示例代码中，我看到人们在tensorflow中构建变量(权重/偏差)的字典。我想知道，与单独定义变量相比，这样做有什么好处
词典风格：
weights = {
'encoder_w1': tf.Variable(tf.random_normal([n_input, n_hidden_1], stddev= sd), name='encoder_w1'),
'encoder_w2': tf.Variable(tf.random_normal([n_hidden_1, n_hidden_2], stddev= sd), na
浏览 17提问于2017-08-04得票数 2
1回答
我希望递归地为Tensorflow (1.15)变量中的切片赋值。
为了说明这一点，这是可行的：
def test_loss():
m = tf.Variable(1)
n = 3
A = tf.Variable(tf.zeros([10., 20., 30.]))
B = tf.Variable(tf.ones([10., 20., 30.]))
A = A[m+1:n+1, 10:12, 20:22].assign(B[m:n, 2:4, 3:5])
return 1
t
浏览 59提问于2019-11-19得票数 0
回答已采纳
我声明了一些表示权重和偏差的Tensorflow变量，并在保存它们之前更新了它们的值，如下所示：
# # 5 x 5 x 5 patches, 1 channel, 32 features to compute.
weights = {'W_conv1':tf.Variable(tf.random_normal([3,3,3,1,32]), name='w_conv1'),
# 5 x 5 x 5 patches, 32 channels, 64 features to compute.
浏览 1提问于2017-03-25得票数 1
我正在努力学习tensorflow。我真的对tf.Variable的用法感到困惑。我知道在机器学习中，我们必须随机地为过滤器分配权重。但这可以通过tf.truncated_normal函数来完成。那么tf.Variable在这里的作用是什么呢？文档指出，tf.Variable维护图形的状态。什么意思？如果我省略tf.Variable，结果是一样的。那么tf.Variable的作用是什么呢？有没有人能帮我理解一下？
`def weight_variable(shape):
initial = tf.truncated_normal(shape, mean=0, stddev=0.1)
浏览 0提问于2018-09-24得票数 3
我从Tensorflow开始，到目前为止，我只处理过具有少量隐藏层的“浅”前馈网络或神经网络，其对应的W是以如下方式单独定义的(该示例对应于具有五个隐藏层的网络的初始化)： W1 = tf.Variable(tf.truncated_normal([784,200], mean=0.0, stddev=0.1))
W2 = tf.Variable(tf.truncated_normal([200,100], mean=0.0, stddev=0.1))
W3 = tf.Variable(tf.truncated_normal([100,60], mean=0.0, stddev=
浏览 35提问于2019-02-10得票数 0
我有一个VAE模型保存为一个TFHub模块，目录path。此模型可从https://storage.googleapis.com/disentanglement_lib/unsupervised_study_v1/0.zip下载。我可以使用hub.Module加载它：
import tensorflow_hub as hub
module = hub.Module(path)
有关模型的相关信息
module.variables
[<tf.Variable 'module_1/decoder/conv2d_transpose/bias:0' shape=(64,) dty
浏览 0提问于2019-12-17得票数 0
回答已采纳
2回答
我在以下链接中使用了以下卷积神经网络代码：和我想为我的模型设置参数：
我的输入是35*128的数组
A我设置了以下网络参数：
# Network Parameters
n_input = 35*128
n_classes = 6
dropout = 0.75
你能告诉我怎样才能设置重量和偏差吗？默认值是：
# Store layers weight & bias
weights = {
# 5x5 conv, 1 input, 32 outputs
'wc1': tf.Variable(tf.random_normal([5, 5, 1, 32]))
浏览 0提问于2017-07-11得票数 0
回答已采纳
新手要深入学习。在gogoel ( )的MNIST_SOFTMAX.py教程中，我添加了两个新的层来查看发生了什么。
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.matmul(x, W) + b
将上面的代码更改为
x = tf.placeholder(tf.float32, [None, 784])
W1 = tf.Variable(tf.zeros([784, 256]))
W2 = tf.Var
浏览 1提问于2017-02-02得票数 1
回答已采纳
我很难理解图层正常化。假设我在坦索弗洛训练了一个模特。当我检查图中的变量时，我得到以下信息：
<tf.Variable 'actor/dense/kernel:0' shape=(5, 64) dtype=float32_ref>,
<tf.Variable 'actor/dense/bias:0' shape=(64,) dtype=float32_ref>,
<tf.Variable 'actor/LayerNorm/beta:0' shape=(64,) dtype=float32
浏览 0提问于2018-06-21得票数 3
回答已采纳
我正试图在TensorFlow中创建一个权重矩阵，如下所示
[[a, b],
[c, b],
[a, d]]
其中a，b，c，d为Tf.Variable。梯度流应该只改变变量a、b、c、d。如果分别初始化3个变量，然后创建权重矩阵w如下：
a = tf.Variable(1., name='a', trainable=True)
b = tf.Variable(1., name='b', trainable=True)
c = tf.Variable(1., name='c', trainable=True)
d = tf.Variable
浏览 2提问于2022-02-10得票数 1
回答已采纳
我正在尝试使用Slim API加载Tensorflow检查点。我所做的仅仅是为函数内部的模型创建初始化器，如下所示： def generate_image_feature_map_with_resnet(self, cnn_input, name="Pre-trained ResNet101"):
"""
Computation graph defnition (with the help of tf.slim) for a ResNet101 architecture to extract image feature maps.
浏览 10提问于2019-01-14得票数 0
回答已采纳
我是tensorflow的新手。也许这是一个愚蠢的问题。
我以a = tf.Variable([1,2], name = 'a')为例。它使a.name成为a:0。
我再次设置了相同的东西a = tf.Variable([1,2], name = 'a')。然后，它将a.name指定为带有后缀_1的a_1:0。
这是我的问题。当我多次设置相同的tf.Variable时，有没有办法保持相同的名称(比如'a:0')？
例如,
a = tf.Variable([1,2], name='a')
... some process to k
浏览 0提问于2018-02-11得票数 0
我正在尝试从张量对象初始化一个tf.Variable。通常，在另一个tf.Variable中，您只使用initialized_value()，但是如果您生成一个张量对象，则不起作用：
a = tf.constant([4,5,6])
b = tf.Variable(a.initialized_value())
我尝试过b = tf.Variable(a)，但是在运行initialize_all_variables()时，tensorflow要求填充一个不正确的占位符。
我之所以这么做，首先是因为@mrry建议在tf.Variable中添加一个tf.gather参数，以帮助加快速度。
感谢您的反
浏览 4提问于2016-05-07得票数 2
回答已采纳
在使用tensorflow 2.0时，我发现tf.Variable有一些奇怪的地方吗？下面有两种情况。
第一个
x1 = tf.Variable(12., name='x')
x2 = tf.Variable(12., name='x')
print(x1 is x2)
x1.assign(1.)
print(x1)
print(x2)
输出是
False
<tf.Variable 'x:0' shape=() dtype=float32, numpy=1.0>
<tf.Variable 'x:0' shape=
浏览 6提问于2022-02-05得票数 1
如何将初始化器应用于tf.Variable函数？我在正确的轨道上吗？ def initialize_parameters():
initializer = tf.keras.initializers.GlorotNormal(seed=1)
W1 = tf.Variable(initializer(shape=([25, 12288]))
b1 = tf.Variable(initializer(shape=([25, 1]))
W2 = tf.Variable(initializ
浏览 98提问于2021-08-15得票数 0
回答已采纳
在我的神经网络中，我创建了一些tf.Variable对象如下：
weights = {
'wc1_0': tf.Variable(tf.random_normal([5, 5, 3, 64])),
'wc1_1': tf.Variable(tf.random_normal([5, 5, 3, 64]))
}
biases = {
'bc1_0': tf.Variable(tf.constant(0.0, shape=[64])),
'bc1_1': tf.Variable(tf.constant(0
浏览 0提问于2016-09-12得票数 5
回答已采纳
我想创建以下节点：
a=tf.variable([2,0,1,4,3]) (a permutation)
b=tf.variable([11,12,13,14,15])
如何拥有
c="b[a]"=tf.variable([13,11,12,15,14])
浏览 1提问于2017-11-23得票数 1
1回答
我正在尝试创建一个卷积神经网络，但由于某种原因，在训练后它是完全无用的。
她总是给出这样的结果。未知(分数= 1.00000)测试(分数= 0.00000)
也许我造错了模型。
我想知道。我做错什么了？谢谢。
def create_conv_model(fingerprint_input, model_settings, is_training):
if is_training:
dropout_prob = tf.placeholder(tf.float32, name='dropout_prob')
weights = {
'wc1
浏览 0提问于2019-07-07得票数 0
我希望循环来自user的当前输入。 示例代码： hidden_layers = 5
for i in range(hidden_layers):
weights = {
"w{}".format(i+1): tf.Variable(tf.random_normal([num_input, ]))
} 如何完成上面的代码才能得到像我这样的代码？ h_layer= 256
h_layer2=256
h_layer3=256
h_layer4=256
h_layer5=256
weights = {
&#
浏览 14提问于2018-12-26得票数 1
回答已采纳
3回答
我发现了在Tensorflow中实现的CNN的例子。
在CNN的这个例子中，偏差是常数的(从第59行开始)。
58 W1 = tf.Variable(tf.truncated_normal([6, 6, 1, K], stddev=0.1))
59 B1 = tf.Variable(tf.constant(0.1, tf.float32, [K]))
60 W2 = tf.Variable(tf.truncated_normal([5, 5, K, L], stddev=0.1))
61 B2 = tf.Variable(tf.constant(0.1, tf.float32, [L]))
6
浏览 0提问于2018-07-11得票数 0
回答已采纳
2回答
我在tensorflow上读到了distributed devices的资料，上面说训练可以分配给一个特定的CPU核心。
我们是否可以将任务/线程分配给CPU核心，以实现并发或并行处理？
with tf.device("/job:ps/task:0"):
weights_1 = tf.Variable(...)
biases_1 = tf.Variable(...)
with tf.device("/job:ps/task:1"):
weights_2 = tf.Variable(...)
biases_2 = tf.Variable(...)
浏览 0提问于2018-05-24得票数 4
1回答
我正在尝试根据其他变量的值来初始化一些变量。下面是一个最小的脚本：
a = tf.Variable(1, name='a')
b = a + 2
c = tf.Variable(b, name='c')
d = c + 3
e = tf.Variable(d, name='e')
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
print(sess.run([a, c, e]))
这将引发以下异常：
FailedPreconditionE
浏览 0提问于2018-08-17得票数 2
我的模型是：
weights = {
'h1': tf.Variable(tf.random_normal([num_input, num_hidden_1]),name="h1"),
'h2': tf.Variable(tf.random_normal([num_hidden_1, num_hidden_2]),name="h2"),
'h3': tf.Variable(tf.random_normal([num_hidden_2, num_hidden_3]),name="h3&
浏览 1提问于2018-01-09得票数 1
回答已采纳
我刚开始用Tensorflow编程，虽然我已经对神经网络的概念很满意了(我知道，这很奇怪，我知道，这归咎于我的大学)。我一直试图修改的实现，以使我自己的设计工作起来。我的问题是关于权值初始化：
weights = {
# 5x5 conv, 1 input, 32 outputs (i.e. 32 filters)
'wc1': tf.Variable(tf.random_normal([5, 5, 1, 32])),
# 5x5 conv, 32 inputs, 64 outputs
'wc2': tf.Variable(tf.
浏览 2提问于2017-05-26得票数 0
回答已采纳
1回答
我正在尝试训练一个混合模型，但我不清楚如何指定一个可训练的数组参数，以便允许更新权重。因此，如果我将以下代码与权重进行了硬编码 import tensorflow as tf
import tensorflow_probability as tfp
from tensorflow_probability import distributions as tfd
weights = [0.2, 0.8]
dist = tfd.Mixture(cat=tfd.Categorical(probs=weights),
components=[tfd.Normal(loc=tf
浏览 27提问于2021-11-04得票数 0
回答已采纳
考虑到我在同一数据上训练了几个不同的模型，而我训练的所有神经网络都有相同的体系结构，我想知道是否有可能恢复这些模型，平均它们的权重，并用平均值初始化我的权重。
这是一个图形外观的例子。基本上，我需要的是一个平均的重量，我要负荷。
import tensorflow as tf
import numpy as np
#init model1 weights
weights = {
'w1': tf.Variable(),
'w2': tf.Variable()
}
# init model1 biases
biases = {
'
浏览 1提问于2018-05-16得票数 2
回答已采纳
我正在使用tensorflow和enable_eager_execution学习LSTM。然而，在实现LSTM时，我注意到tf.nn.softmax的行为让我卡住了。下面是我的代码的一部分
class RNN_LSTM(object):
def __init__(self,hidden_size):
data=open('Shakespear.txt', 'r').read()
self.data = data.split()
vocab_size=len(list(set(self.data)))
浏览 24提问于2019-08-14得票数 0
回答已采纳
我可以使用常量执行加法，但不能通过tf.Variable执行
当我使用常量作为加法时，下面的代码工作得很好。
import tensorflow as tf
a = tf.constant(5)
b = tf.constant(6)
sess = tf.Session()
result = sess.run(a + b)
print(result)
但是当我尝试使用tf.Variable时，它不起作用，下面是我的代码
import tensorflow as tf
a = tf.Variable(5)
b = tf.Variable(6)
sess = tf.Session()
res
浏览 0提问于2017-09-23得票数 0
回答已采纳
在下面的代码中，我无法理解使用tf.Variable的必要性。无论我使用tf.Variable还是省略它，我都会得到相同的值。
`initial = tf.Variable(tf.truncated_normal(shape=[1,10,1], mean=0,
stddev=0.1,seed=123))`
浏览 1提问于2018-09-24得票数 0
我有一个变量v，并想对它应用移动平均。我应用了以下步骤来保存它：
import tensorflow as tf
v=tf.Variable(0,dtype=tf.float32,name='v')
ema=tf.train.ExponentialMovingAverage(0.99)
maintain_averages_op=ema.apply(tf.global_variables())
init=tf.global_variables_initializer()
saver=tf.train.Saver()
with tf.Session() as sess:
s
浏览 0提问于2018-02-19得票数 0
1回答
如何显示字典的值？
、、、
我正试图为我的ANN实现创建一个每层的weigths字典。
问题是，虽然我用字符串作为键值和张量作为值创建字典，但当我调用init_weight方法时，我不知道如何显示它们
def init_weights(topology):
#topology: dimensions of the network
for i in range(1,len(topology)):
parameters['W' + str(i)] = tf.Variable(tf.random_normal([topology[i-1],topology[i]]))
该方法的输出显示如下：
{'W1
浏览 0提问于2018-11-16得票数 0
回答已采纳
这是一个更复杂的模型的一部分(这是自动编码器部分)：
autoweights = {
'encoder_h1': tf.Variable(tf.random_normal([num_input, num_hidden_1])),
'encoder_h2': tf.Variable(tf.random_normal([num_hidden_1, num_hidden_2])),
'decoder_h1': tf.Variable(tf.random_normal([num_hidden_2, num_hidden_1])),
浏览 2提问于2017-09-28得票数 0
回答已采纳
对于线性组合中使用的另一个变量，如何计算变量的梯度？下面的代码是在TensorFlow急切模式下执行的。
一些更老的问题，一个类似的出现了。然而，如何解决这一问题尚不清楚。另一个相关的问题是，但是这里同样的变量被重用和TensorFlow v1。
我还在上读到了tf.assign (v1?)不支持渐变，并提供了一个潜在的解决方案。然而，我会将它应用于神经网络的内部模型权重，但我不知道如何在实践中应用这种张量方法。
a = tf.Variable(1.0, name='a')
b = tf.Variable(2.0, name='b')
c = tf.Variab
浏览 18提问于2022-06-18得票数 0
回答已采纳
1回答
我试图在TensorFlow中实现一个学习预测同调的网络( )。我的网络将输出一个四维矢量，它将用于翻译2幅图像的水平和垂直.然后，我使用这些扭曲图像的中心作物()，用地面真相计算误差。我尝试实现它，对于翻译部分，我使用了。但是，梯度并没有流向网络中的变量。我怎样才能解决这个问题？这是我正在犯的错误：
ValueError: No gradients provided for any variable, check your graph for ops that do not support gradients, between variables ["<tf.Variable
浏览 0提问于2018-10-01得票数 1
回答已采纳
如何在使用tf.train.optimizer时捕获训练步骤后的权重更新？
一个人可以得到梯度，但我找不到任何有效的方法，除了找出与前一个副本的权重差异。它变得单调乏味，因为我已经将权重存储为字典的一部分，关键字是隐藏层，值是权重列表。
weights = {
'h1': tf.Variable(tf.random_normal([n_input, n_hidden_1], 0, 0.1)),
'h2': tf.Variable(tf.random_normal([n_hidden_1, n_hidden_2], 0, 0.1)),
'out':
浏览 0提问于2017-10-21得票数 0
使用tensorflow.Varaible有一些错误：
import tensorflow as tf
sess = tf.InteractiveSession()
x = tf.placeholder(tf.float32,[None, 784])
W = tf.Variable(tf.zeros[784,10])
b = tf.Variable(tf.zeros[10])
但它显示了错误：
TypeError:Traceback (most recent call last)
<ipython-input-8-3086abe5ee8f> in <module>()
浏览 4提问于2017-06-01得票数 2
回答已采纳
在TensorFlow中，我可以通过以下两种方式初始化变量：
在声明变量：global_variable_intializer()之前调用：
导入tensorflow作为tf #初始化全局变量和会话init = tf.global_variables_initializer() sess = tf.Session() sess.run(init) W= tf.Variable(.3，tf.float32) x= tf.Variable(-.3，tf.float32) b= tf.Variable(-.3，tf.float32) linear_model =W*x+b
变量声明后调用：
浏览 8提问于2017-05-31得票数 5
回答已采纳
1回答
我有一个具有多个作用域的网络，其中包含多个变量。我需要一种方法来设置特定变量或名称范围的训练能力，使它们不被更新，并且不包括在梯度计算中，然后在某种条件下将它们设置为可训练的。有可能吗？如果是，怎么做？
with tf.name_scope('layer1'):
w = tf.Variable(...)
b = tf.Variable(...)
... some function ...
with tf.name_scope('layer2'):
w = tf.Variable(...)
b = tf.Varia
浏览 1提问于2017-03-13得票数 2
回答已采纳
在下面的程序中，如何设置第一层的学习速率为0.00001，而最后一层的学习速率为0.001？
def conv2d(x, W):
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
def maxpool2d(x):
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
def convolutional_neural_network(x):
w
浏览 6提问于2017-03-17得票数 0
回答已采纳
1回答
我正在关注youtube上的TensorFlow教程，我遇到了一个错误：
这是我的密码：
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/tmp/data/",one_hot=True)
n_nodes_hl1 = 500
n_nodes_hl2 = 500
n_nodes_hl3 = 500
n_classes = 10
batch_size = 100
# height x wi
浏览 3提问于2017-09-17得票数 0
回答已采纳
2回答
我训练了一个模特并救了它。现在，我想看看权值的扰动会如何影响它的准确性，所以我需要修改保存在我的权值变量上的值，实质上增加了一些噪声。问题是，在加载它们之后，我无法为它们赋值。我使用tensorflow版本1.2.1，训练和加载模型。这是我的代码：
import tensorflow as tf
tf.reset_default_graph()
sess = tf.InteractiveSession()
saver = tf.train.import_meta_graph('/scratch/pedro/TFModels/Checks_and_Logs/20170803_215828
浏览 4提问于2017-08-09得票数 2
回答已采纳
我正在按以下方式实现CNN，但我得到了以下错误：
ValueError:尺寸必须相等，但Add_1 (op：'Add')的10和3072为输入形状：?,10,3072
我已经在下面附加了我的部分代码，我怀疑错误来自这里。
weights = {
'WC1': tf.Variable(tf.random_normal([5, 5, 3, 32]), name='W0'),
'WC2': tf.Variable(tf.random_normal([5, 5, 32, 64]), name='W1'
浏览 0提问于2019-06-22得票数 0
回答已采纳
我有两个python文件File1，File2。一个用于生成tensorflow模型，另一个用于使用该模型。类似于中的问题。
File1类似于以下内容
def test():
weights = {'out': tf.Variable(tf.random_normal([n_hidden, vocab_size]), name="weights")}
biases = {'out': tf.Variable(tf.random_normal([vocab_size]), name="biases")}
浏览 0提问于2018-08-01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
