คำถามติดแท็ก tensorflow

วิธีการแปลงเมตริกซ์เป็นอาร์เรย์ numpy เมื่อใช้ Tensorflow ด้วยการผูก Python?

181 python  numpy  tensorflow 

ผมติดตั้งรุ่นล่าสุดของงูใหญ่และรุ่นล่าสุดของ(3.6.4 64-bit) PyCharm (2017.3.3 64-bit)จากนั้นฉันติดตั้งโมดูลบางตัวใน PyCharm (Numpy, Pandas ฯลฯ ) แต่เมื่อฉันลองติดตั้ง Tensorflow มันไม่ได้ติดตั้งและฉันได้รับข้อความแสดงข้อผิดพลาด: ไม่พบรุ่นที่ตรงตามข้อกำหนด TensorFlow (จากรุ่น:) ไม่พบการแจกแจงที่ตรงกันสำหรับ TensorFlow จากนั้นฉันลองติดตั้ง TensorFlow จากพรอมต์คำสั่งและฉันได้รับข้อความแสดงข้อผิดพลาดเดียวกัน อย่างไรก็ตามฉันติดตั้ง tflearn สำเร็จแล้ว ฉันติดตั้ง Python 2.7 ด้วย แต่ฉันได้รับข้อความแสดงข้อผิดพลาดเดิมอีกครั้ง ฉัน googled ข้อผิดพลาดและลองสิ่งที่แนะนำให้คนอื่น แต่ไม่มีอะไรทำงาน (รวมถึงการติดตั้ง Flask) ฉันจะติดตั้ง Tensorflow ได้อย่างไร ขอบคุณ

179 python  python-3.x  python-2.7  tensorflow  pip 

ฉันสังเกตเห็นว่า TensorFlow เวอร์ชันใหม่บางรุ่นไม่สามารถใช้งานร่วมกับ CUDA และ cuDNN เวอร์ชันเก่าได้ มีภาพรวมของเวอร์ชันที่เข้ากันได้หรือแม้แต่รายการชุดค่าผสมที่ทดสอบอย่างเป็นทางการหรือไม่ หาไม่พบในเอกสาร TensorFlow

170 tensorflow  cuda  version  compatibility  cudnn 

ฉันกระตือรือร้นที่จะเริ่มใช้ห้องสมุด Tensorflow ใหม่ของ Google ใน C ++ เว็บไซต์และเอกสารไม่ชัดเจนจริงๆในแง่ของวิธีการสร้าง C ++ API ของโครงการและฉันไม่รู้ว่าจะเริ่มต้นอย่างไร ใครบางคนที่มีประสบการณ์ช่วยด้วยการค้นพบและแบ่งปันคำแนะนำในการใช้ C ++ API ของเมตริกซ์ได้หรือไม่

168 c++  tensorflow 

ฉันมีแผนที่จะใช้ TensorFlow แบบกระจายและฉันเห็น TensorFlow สามารถใช้ GPU สำหรับการฝึกอบรมและการทดสอบ ในสภาพแวดล้อมแบบคลัสเตอร์เครื่องแต่ละเครื่องสามารถมี 0 หรือ 1 หรือมากกว่า GPU และฉันต้องการที่จะเรียกใช้กราฟ TensorFlow ของฉันลงใน GPU บนเครื่องให้ได้มากที่สุด ฉันพบว่าเมื่อใช้tf.Session()TensorFlow ให้ข้อมูลเกี่ยวกับ GPU ในข้อความบันทึกดังนี้: I tensorflow/core/common_runtime/gpu/gpu_init.cc:126] DMA: 0 I tensorflow/core/common_runtime/gpu/gpu_init.cc:136] 0: Y I tensorflow/core/common_runtime/gpu/gpu_device.cc:838] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 1080, pci bus id: 0000:01:00.0) คำถามของฉันคือฉันจะรับข้อมูลเกี่ยวกับ GPU ที่มีอยู่ในปัจจุบันจาก …

165 python  gpu  tensorflow 

tf.nn.embedding_lookup(params, ids, partition_strategy='mod', name=None) ฉันไม่เข้าใจหน้าที่ของฟังก์ชั่นนี้ มันเหมือนโต๊ะค้นหาหรือไม่? ซึ่งหมายถึงการส่งคืนพารามิเตอร์ที่สอดคล้องกับแต่ละ id (ในรหัส)? ตัวอย่างเช่นในskip-gramโมเดลถ้าเราใช้tf.nn.embedding_lookup(embeddings, train_inputs)แล้วแต่ละอันtrain_inputจะพบการฝังที่สอดคล้องกันหรือไม่

158 python  tensorflow  deep-learning  word-embedding  natural-language-processing 

ฉันได้ฝึกรูปแบบการจำแนกเลขฐานสองด้วย CNN และนี่คือรหัสของฉัน model = Sequential() model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1], border_mode='valid', input_shape=input_shape)) model.add(Activation('relu')) model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1])) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=pool_size)) # (16, 16, 32) model.add(Convolution2D(nb_filters*2, kernel_size[0], kernel_size[1])) model.add(Activation('relu')) model.add(Convolution2D(nb_filters*2, kernel_size[0], kernel_size[1])) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=pool_size)) # (8, 8, 64) = (2048) model.add(Flatten()) model.add(Dense(1024)) model.add(Activation('relu')) model.add(Dropout(0.5)) model.add(Dense(2)) # define a binary classification problem model.add(Activation('softmax')) model.compile(loss='categorical_crossentropy', optimizer='adadelta', …

155 python  tensorflow  deep-learning  keras 

มันเป็นคำถามหลักเกี่ยวกับทฤษฎีของโครงข่ายประสาทเทียม: ทำไมเราต้องทำให้อินพุตของเครือข่ายประสาทเป็นปกติ? ฉันเข้าใจว่าบางครั้งเมื่อเช่นค่าที่ป้อนเข้าไม่ใช่ตัวเลขต้องทำการแปลงบางอย่าง แต่เมื่อเรามีอินพุตที่เป็นตัวเลข ทำไมตัวเลขต้องอยู่ในช่วงเวลาที่แน่นอน? จะเกิดอะไรขึ้นหากข้อมูลไม่ได้มาตรฐาน

151 tensorflow  machine-learning  neural-network  normalization 

วิธีการที่ไม่tf.app.run()ทำงานใน Tensorflow แปลสาธิต? ในtensorflow/models/rnn/translate/translate.pyมีการเรียกร้องให้tf.app.run()เป็น มันถูกจัดการอย่างไร? if __name__ == "__main__": tf.app.run()

148 python  python-3.x  tensorflow 

ฉันเพิ่งเริ่มศึกษาการเรียนรู้อย่างลึกซึ้งและเทคนิค ML อื่น ๆ และฉันเริ่มค้นหากรอบที่ทำให้กระบวนการสร้างเน็ตและการฝึกอบรมนั้นง่ายขึ้นจากนั้นฉันพบ TensorFlow ซึ่งมีประสบการณ์น้อยในสนามสำหรับฉันดูเหมือนว่าความเร็วนั้นเป็น ปัจจัยใหญ่สำหรับการสร้างระบบ ML ที่ยิ่งใหญ่กว่าหากทำงานกับการเรียนรู้อย่างลึกซึ้งดังนั้นทำไม Google จึงเลือก python ให้สร้าง TensorFlow มันจะดีกว่าไหมถ้าจะทำให้มันเหนือภาษาที่สามารถรวบรวมและไม่ตีความ? ข้อดีของการใช้ Python เหนือภาษาอย่าง C ++ สำหรับการเรียนรู้ของเครื่องคืออะไร

143 python  c++  machine-learning  tensorflow 

ฉันถูกมองที่เอกสารของ tensorflow เกี่ยวกับที่นี่tf.nn.conv2d แต่ฉันไม่เข้าใจว่ามันทำอะไรหรือพยายามทำอะไร มันบอกในเอกสาร # 1: แผ่ฟิลเตอร์เป็นเมทริกซ์ 2 มิติที่มีรูปร่าง [filter_height * filter_width * in_channels, output_channels]. ตอนนี้ทำอะไร? นั่นคือการคูณอย่างชาญฉลาดขององค์ประกอบหรือการคูณเมทริกซ์ธรรมดา? ฉันยังไม่เข้าใจอีกสองประเด็นที่กล่าวถึงในเอกสาร ฉันได้เขียนไว้ด้านล่าง: # 2: ดึงแพทช์รูปภาพจากเทนเซอร์อินพุตเพื่อสร้างเทนเซอร์เสมือนของรูปร่าง [batch, out_height, out_width, filter_height * filter_width * in_channels]. # 3: สำหรับแต่ละแพตช์ให้คูณเมทริกซ์ตัวกรองและเวกเตอร์แพทช์รูปภาพ มันจะมีประโยชน์มากถ้าใครสามารถยกตัวอย่างโค้ด (มีประโยชน์มาก) อาจจะและอธิบายว่าเกิดอะไรขึ้นที่นั่นและทำไมการดำเนินการจึงเป็นเช่นนี้ ฉันได้ลองเข้ารหัสส่วนเล็ก ๆ แล้วพิมพ์รูปร่างของการทำงาน ยังไงก็ไม่เข้าใจ ฉันลองทำสิ่งนี้: op = tf.shape(tf.nn.conv2d(tf.random_normal([1,10,10,10]), tf.random_normal([2,10,10,10]), strides=[1, 2, 2, 1], …

138 neural-network  tensorflow 

มันถูกอ้างถึงโดยผู้ใช้หลายคนว่าเป็นเหตุผลของการเปลี่ยนไปใช้ Pytorch แต่ฉันยังไม่พบเหตุผล / คำอธิบายสำหรับการเสียสละคุณภาพความเร็วที่สำคัญที่สุดสำหรับการปฏิบัติจริง ด้านล่างเป็นรหัสประสิทธิภาพการเปรียบเทียบกับ TF1 TF2 - TF1 กับการทำงานที่ใดก็ได้จาก47% ถึง 276% เร็ว คำถามของฉันคืออะไรที่กราฟหรือระดับฮาร์ดแวร์ที่ทำให้เกิดการชะลอตัวที่สำคัญ? กำลังมองหาคำตอบโดยละเอียด - ฉันคุ้นเคยกับแนวคิดที่กว้างขวางแล้ว Git ที่เกี่ยวข้อง ข้อมูลจำเพาะ : CUDA 10.0.130, cuDNN 7.4.2, Python 3.7.4, Windows 10, GTX 1070 ผลการเกณฑ์มาตรฐาน : อัปเดต : การปิดใช้งานการเรียกใช้ Eager ตามรหัสด้านล่างไม่ได้ช่วยอะไร อย่างไรก็ตามพฤติกรรมนั้นไม่สอดคล้องกัน: บางครั้งการทำงานในโหมดกราฟช่วยได้มากบางครั้งก็ทำงานช้าลงเมื่อเทียบกับ Eager เนื่องจากผู้ที่ชื่นชอบ TF ไม่ปรากฏที่ใด ๆ ฉันจะตรวจสอบเรื่องนี้ด้วยตัวเอง - สามารถติดตามความคืบหน้าในปัญหา Github …

137 python  tensorflow  keras  performance-testing  tensorflow2.0 

เมื่อฉันดำเนินการคำสั่งsess = tf.Session()ในสภาพแวดล้อม Tensorflow 2.0 ฉันได้รับข้อความแสดงข้อผิดพลาดดังต่อไปนี้: Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: module 'tensorflow' has no attribute 'Session' ข้อมูลระบบ: แพลตฟอร์ม OS และการกระจาย: Windows 10 เวอร์ชัน Python: 3.7.1.1 Tensorflow เวอร์ชัน: 2.0.0-alpha0 (ติดตั้งด้วย pip) ขั้นตอนในการผลิตซ้ำ: การติดตั้ง: pip install - อัพเกรด pip pip ติดตั้ง tensorflow == 2.0.0-alpha0 …

132 python  tensorflow  keras  tensorflow2.0 

ฉันได้ติดตั้งเทนเซอร์โฟลว์เวอร์ชัน GPU บน Ubuntu 14.04 แล้ว ฉันอยู่บนเซิร์ฟเวอร์ GPU ที่ tensorflow สามารถเข้าถึง GPU ที่มีอยู่ ฉันต้องการเรียกใช้เทนเซอร์โฟลว์บนซีพียู โดยปกติฉันสามารถใช้env CUDA_VISIBLE_DEVICES=0เพื่อรันบน GPU ได้ 0 ฉันจะเลือกระหว่างซีพียูแทนได้อย่างไร ฉันไม่ได้ขัดขวางในการเขียนรหัสของฉันใหม่ด้วย with tf.device("/cpu:0"):

128 python  tensorflow 

ในส่วนของรูปแบบมีขั้นตอนพารามิเตอร์ระบุจำนวนของขั้นตอนในการทำงานมากกว่าข้อมูล แต่ฉันเห็นในการใช้งานจริงมากที่สุดเรายังดำเนินการยังไม่มีฟังก์ชั่นพอดีepochs อะไรคือความแตกต่างระหว่างการวิ่ง 1,000 ก้าวกับ 1 ยุคและการวิ่ง 100 ก้าวกับ 10 ยุค? ข้อใดดีกว่าในทางปฏิบัติ? มีการเปลี่ยนแปลงตรรกะใด ๆ ระหว่างยุคที่ติดต่อกัน? การสับข้อมูล?

125 machine-learning  tensorflow