tensorflow

1熱度

1回答

我想寫一個代碼來創建一個神經網絡。它應該從特定的csv文件讀取數據，該文件包含13與每個輸入不同的特徵。這裏是我的代碼片段： n_inputs = 13 X = tf.placeholder(tf.float32, shape=(None, n_inputs), name="X") y = tf.placeholder(tf.int64, shape=None, name="y") def

0熱度

1回答

如何將python tensorflow代碼與android studio集成？

基本上我有Android應用程序，它使用在android工作室開發的相機功能，另一方面我有我的張量代碼寫在python，我想與Android工作鏈接。有沒有辦法實現這個？我想通了巴澤爾和cmake的，但沒有太多的信息是關於谷歌

0熱度

1回答

Tensorflow：保存/導入檢查點無錯誤地工作，但所有導入的變量都具有值'none'

我正在爲圖像增強培訓一個深度CNN，並且遇到了一個非常奇怪的問題。我的網絡架構是完全卷積的，並實現了幾個小的「u形」組件，其中功能映射被下/上採樣以便在整個「頂層」中進行處理。在頂層，網絡有幾個節點「猜測」輸出圖像，然後將較低層的輸出添加到從猜測中導出的特徵。我對最終預測中的錯誤以及這些猜測都有所損失。網絡正是如此定義： def convnet(x, weights, biases):

0熱度

2回答

還原訓練的模型在Tensorflow 1.2

該模型是使用保存： self.model.saver.save(sess, os.path.join(result_dir, "basic"), global_step=global_step) 這產生： [email protected]:~/ChatLearner-v1$ ls -al ./Data/Result/ total 7945536 drwxrwxr-x 3 devuser

0熱度

2回答

ADDN必須具有相同的大小和形狀與tf.estimator.LinearClassifier

我tensorflow應用程序崩潰與此錯誤： Inputs to operation linear/linear_model/weighted_sum_no_bias of type AddN must have the same size and shape: Input 0: [3,1] != input 1: [9,1] 感激，如果任何人都可以點我的根本原因。我有一個tfrecord文件有

0熱度

1回答

克服Graphdef在張量流中不能大於2GB - 圖像轉換與tf

我已經提到了這個問題，但我不太瞭解Mr.rrrr先生提供的第二種方法。 overcome Graphdef cannot be larger than 2GB in tensorflow 基本上，我試圖用TF內置的圖像上的圖像變換方法。我遇到了標題中提供的錯誤。另外，我是否需要不斷爲每個迭代創建一個新的會話？目前，這個過程有點慢，我不知道如何加快速度。 import tensorflow a

-1熱度

1回答

一類數據分類tensorflow

我從張量流和深度學習開始，我想分類一些圖像，以知道他們是否屬於一個類或不（例如狗或不狗）。目前我有想要的類數據，但我不知道如何構建數據集到「不上課」。該類的數據可以是任何不顯示想要的類的圖像（例如鳥類，建築物，弓等），還是必須符合某些標準？（例如只有建築物），或者也許有一些方法只用一個班級數據進行訓練？編輯：關於我想實現的更多細節，僅檢測一個類背後的想法是因爲我希望系統學會分類特定的屏幕類型

4熱度

1回答

如何在張量流中處理大量的數據？

對於我的項目，我有大量的數據，大約60GB傳入npy文件，每個文件大約有1GB，每個文件包含大約750k個記錄和標籤。每個記錄是345個float32，標籤是5個float32。我讀了tensorflow數據集文檔和隊列/線程文檔，但我無法弄清楚如何最好地處理輸入的訓練，然後如何保存模型和權重以備未來預測。我的模型是非常簡單的，它看起來像這樣： x = tf.placeholder(tf.f

0熱度

1回答

在tf.contrib.learn.read_batch_examples中設置read_batch_size時出現錯誤。默認是好的

我修改了&深層教程的代碼，使用tf.contrib.learn.read_batch_examples從文件中讀取大量輸入。爲了加快訓練過程，我設置了read_batch_size並且出現錯誤ValueError：所有形狀必須完全定義：[TensorShape（[]），TensorShape（[Dimension（None）]）] 我的代碼段： def input_fn_pre(batch_siz

0熱度

1回答

使用export_savedmodel導出KMeans模型以在ml引擎上部署

我正在使用tensorflow.contrib.learn.KMeansClustering進行K均值聚類。我可以使用它的默認模型預測本地，但因爲我想使用ml引擎在線預測，我必須將其導出到export_savedmodel格式。我的地方谷歌很多的，但由於k-平均算法類不需要的功能列，所以我不知道如何建立正確的serving_input_fn爲export_savedmodel 這裏是我的代碼