tensorflow

    1熱度

    2回答

    我正在使用TensorFlow處理與CNN相關的項目。 我輸入使用圖像(20個這樣的圖像) for filename in glob.glob('input_data/*.jpg'): input_images.append(cv2.imread(filename,0)) image_size_input = len(input_images[0]) 這些圖像是尺寸(250250),因爲

    0熱度

    1回答

    我在Ubuntu 16.04上成功運行Tensorflow 1.3和CUDA 8.0。安裝已按照官方安裝說明完成。 1)我想知道Tensorflow是否與CUDA 9兼容。這是否支持?如果是這樣,是否有顯着的業績增長? 2)如果只支持CUDA 8:是否支持cuDNN 7.0.3?

    0熱度

    1回答

    我正在嘗試爲交互式神經網絡實驗創建一個簡單的Web應用程序。我對Tensorflow和機器學習一般都很陌生,所以我想從一個簡單的時間序列迴歸開始,即S & P500。 時遇到的問題是,錯誤如下: InvalidArgumentError (see above for traceback): Incompatible shapes: [32,1] vs. [1248,1] 在的情況下的批量大小爲32

    0熱度

    1回答

    我正在使用tensorflow存儲庫中image_retraining文件夾中提供的再培訓腳本。 之一解析器參數/標誌讓你存儲中間圖形每隔X步驟 parser.add_argument( '--intermediate_output_graphs_dir', type=str, default='tf_files2/tmp/intermediate_graph/'

    0熱度

    1回答

    我能夠從亞馬遜的修改源(在新的深度學習AMI中提供)重新編譯Tensorflow。 我現在想編譯TF與Tensorflow「叉」的服務,但我得到這個錯誤: ERROR: /root/.cache/bazel/_bazel_root/98acb40d8921d865487eab808ed364b2/external/org_tensorflow/tensorflow/contrib/nccl/BUI

    0熱度

    1回答

    這裏是我的Tensorflow MNIST例子的修改版本: from __future__ import absolute_import from __future__ import division from __future__ import print_function import argparse import sys import tempfile from tenso

    1熱度

    1回答

    我試圖按照https://www.tensorflow.org/install/install_windows使用本地點安裝在Windows 7(64位)上安裝Tensorflow(僅限CPU)。 首先,我下載了Python 3.5.2(64位)。這是成功的。 於是,我試着發出適當的命令(CMD): pip3 install --upgrade tensorflow 一個新窗口的快速閃光,然後

    0熱度

    1回答

    您好我想通過安裝CUDA,cuDNN等來讓Tensorflow GPU工作。我遵循了Tensorflow網站上的所有步驟以及幾個安裝教程。但是,我一直卡住了一段時間,出現以下錯誤。有誰知道什麼可能是錯的?提前致謝。 >>> import tensorflow Traceback (most recent call last): File "C:\Users\maxhx\Anaconda

    0熱度

    2回答

    我是張量流的初學者。我想使隱藏層大小可配置。讓我們假設只有一個隱藏層,我想 hidden1 = tf.layers.dense(X, n_hidden, activation=tf.nn.relu) 其中「n_hidden」是 n_hidden = tf.placeholder(tf.int64) ,但我還有很長的錯誤信息,它是結束, 類型錯誤:INT()參數必須是字符串或數字,而不是「張

    1熱度

    1回答

    ,我從github代碼類型,並在遇到以下行錯誤: # Split the series because the rnn cell needs time_steps features, each of shape: hidden = tf.split(0, config.n_steps, feature_mat) print (len(hidden), str(hidden[0].get_sha