คำถามติดแท็ก tensorflow

เป็นต่อ TensorFlow เอกสารที่prefetchและmapวิธีการของการเรียนทั้งสองมีพารามิเตอร์ที่เรียกว่าtf.contrib.data.Datasetbuffer_size สำหรับprefetchวิธีการพารามิเตอร์เรียกว่าbuffer_sizeและตามเอกสารประกอบ: buffer_size: tf.int64 สเกลาร์ tf.Tensor แสดงถึงองค์ประกอบจำนวนสูงสุดที่จะถูกบัฟเฟอร์เมื่อดึงข้อมูลล่วงหน้า สำหรับmapวิธีการนี้พารามิเตอร์เรียกว่าoutput_buffer_sizeและตามเอกสารประกอบ: output_buffer_size: (ไม่บังคับ) tf.int64 สเกลาร์ tf.Tensor แสดงจำนวนองค์ประกอบที่ประมวลผลสูงสุดที่จะถูกบัฟเฟอร์ ในทำนองเดียวกันสำหรับshuffleวิธีการนี้ปริมาณเดียวกันจะปรากฏขึ้นและตามเอกสารประกอบ: buffer_size: tf.int64 สเกลาร์ tf.Tensor ซึ่งแสดงจำนวนองค์ประกอบจากชุดข้อมูลนี้ซึ่งชุดข้อมูลใหม่จะสุ่มตัวอย่าง ความสัมพันธ์ระหว่างพารามิเตอร์เหล่านี้คืออะไร? สมมติว่าฉันสร้างDatasetวัตถุดังต่อไปนี้: tr_data = TFRecordDataset(trainfilenames) tr_data = tr_data.map(providefortraining, output_buffer_size=10 * trainbatchsize, num_parallel_calls\ =5) tr_data = tr_data.shuffle(buffer_size= 100 * trainbatchsize) tr_data = tr_data.prefetch(buffer_size = 10 * trainbatchsize) tr_data = …

101 tensorflow  tensorflow-datasets 

ฉันติดตั้ง Keras พร้อมกับแบ็กเอนด์ Tensorflow และ CUDA ฉันต้องการบังคับให้ Keras ใช้ CPU ในบางครั้งตามความต้องการ สามารถทำได้โดยไม่ต้องบอกว่าติดตั้ง Tensorflow เฉพาะ CPU แยกต่างหากในสภาพแวดล้อมเสมือนจริงหรือไม่? ถ้าเป็นอย่างไร หากแบ็กเอนด์เป็น Theano แฟล็กสามารถตั้งค่าได้ แต่ฉันไม่เคยได้ยินเกี่ยวกับแฟล็ก Tensorflow ที่เข้าถึงได้ผ่าน Keras

100 python  machine-learning  tensorflow  keras 

พิจารณาโค้ดตัวอย่าง ฉันต้องการทราบวิธีใช้การตัดแบบไล่ระดับกับเครือข่ายนี้บน RNN ซึ่งมีความเป็นไปได้ที่จะมีการไล่ระดับสีแบบระเบิด tf.clip_by_value(t, clip_value_min, clip_value_max, name=None) นี่เป็นตัวอย่างที่สามารถใช้ได้ แต่จะแนะนำได้ที่ไหน ใน def ของ RNN lstm_cell = rnn_cell.BasicLSTMCell(n_hidden, forget_bias=1.0) # Split data because rnn cell needs a list of inputs for the RNN inner loop _X = tf.split(0, n_steps, _X) # n_steps tf.clip_by_value(_X, -1, 1, name=None) แต่สิ่งนี้ไม่สมเหตุสมผลเนื่องจากเทนเซอร์ _X เป็นอินพุตไม่ใช่สิ่งที่จะถูกตัดจบ? ฉันต้องกำหนดเครื่องมือเพิ่มประสิทธิภาพของตัวเองสำหรับสิ่งนี้หรือมีตัวเลือกที่ง่ายกว่านี้ไหม

97 python  machine-learning  tensorflow  deep-learning  lstm 

เราได้ตรวจสอบการดำเนินงานเมื่อเร็ว ๆ นี้ที่น่าสนใจสำหรับการจัดหมวดหมู่ข้อความสับสน อย่างไรก็ตามโค้ด TensorFlow ทั้งหมดที่ฉันได้ตรวจสอบจะใช้การฝังเวกเตอร์แบบสุ่ม (ไม่ได้รับการฝึกฝนมาก่อน) ดังต่อไปนี้: with tf.device('/cpu:0'), tf.name_scope("embedding"): W = tf.Variable( tf.random_uniform([vocab_size, embedding_size], -1.0, 1.0), name="W") self.embedded_chars = tf.nn.embedding_lookup(W, self.input_x) self.embedded_chars_expanded = tf.expand_dims(self.embedded_chars, -1) มีใครรู้วิธีใช้ผลลัพธ์ของ Word2vec หรือการฝังคำที่ได้รับการฝึกฝนมาก่อนของ GloVe แทนที่จะเป็นการสุ่มหรือไม่?

95 python  numpy  tensorflow  deep-learning 

ฉันพบในรหัสเครือข่ายประสาทเทียมที่มีอยู่จำนวนมากที่ใช้งานโดยใช้ TensorFlow ว่าเงื่อนไขการทำให้เป็นมาตรฐานมักจะถูกนำมาใช้โดยการเพิ่มคำเพิ่มเติมด้วยตนเองเพื่อมูลค่าการสูญเสีย คำถามของฉันคือ: มีวิธีการทำให้เป็นมาตรฐานที่หรูหรากว่าหรือที่แนะนำมากกว่าการทำด้วยตนเองหรือไม่? ฉันยังพบว่ามีการโต้แย้งget_variable regularizerควรใช้อย่างไร? จากการสังเกตของฉันถ้าเราส่ง Regularizer ไปที่มัน (เช่นtf.contrib.layers.l2_regularizerเทนเซอร์ที่เป็นตัวแทนของคำศัพท์ปกติจะถูกคำนวณและเพิ่มลงในคอลเลกชันกราฟที่มีชื่อtf.GraphKeys.REGULARIZATOIN_LOSSESTensorFlow จะใช้คอลเล็กชันนั้นโดยอัตโนมัติหรือไม่ (เช่นใช้โดยเครื่องมือเพิ่มประสิทธิภาพเมื่อฝึก) หรือ คาดว่าฉันควรใช้คอลเลกชันนั้นด้วยตัวเองหรือไม่?

95 python  neural-network  tensorflow  deep-learning 

ในบทช่วยสอนสำหรับผู้เริ่มต้น MNISTมีคำสั่ง accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float")) tf.castโดยทั่วไปจะเปลี่ยนประเภทของเทนเซอร์ที่วัตถุคือ แต่อะไรคือความแตกต่างระหว่างtf.reduce_meanและnp.mean? นี่คือเอกสารเกี่ยวกับtf.reduce_mean: reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None) input_tensor: เทนเซอร์ที่จะลด ควรมีประเภทตัวเลข reduction_indices: ขนาดที่จะลด ถ้าNone(defaut) ลดขนาดทั้งหมด # 'x' is [[1., 1. ]] # [2., 2.]] tf.reduce_mean(x) ==> 1.5 tf.reduce_mean(x, 0) ==> [1.5, 1.5] tf.reduce_mean(x, 1) ==> [1., 2.] สำหรับเวกเตอร์ 1D ดูเหมือนว่าแต่ผมไม่เข้าใจสิ่งที่เกิดขึ้นในnp.mean == tf.reduce_mean เป็นเรื่องที่สมเหตุสมผลเนื่องจากมีค่าเฉลี่ยและเป็นแต่เกิดอะไรขึ้นกับ?tf.reduce_mean(x, 1) ==> …

92 python  numpy  machine-learning  mean  tensorflow 

นี่คือรหัสการสอนจากเว็บไซต์ TensorFlow ใครช่วยอธิบายความglobal_stepหมายได้บ้าง ฉันพบในเว็บไซต์ Tensorflow ที่เขียนว่าglobal step นั้นใช้ขั้นตอนการฝึกนับแต่ฉันไม่ค่อยเข้าใจว่ามันหมายถึงอะไร นอกจากนี้ตัวเลข 0 หมายความว่าอย่างไรเมื่อตั้งค่าglobal_step? def training(loss,learning_rate): tf.summary.scalar('loss',loss) optimizer = tf.train.GradientDescentOptimizer(learning_rate) # Why 0 as the first parameter of the global_step tf.Variable? global_step = tf.Variable(0, name='global_step',trainable=False) train_op = optimizer.minimize(loss, global_step=global_step) return train_op ตาม Tensorflow doc global_step: เพิ่มขึ้นโดยหนึ่งหลังจากตัวแปรได้รับการปรับปรุง หมายความว่าหลังจากการอัปเดตหนึ่งครั้งglobal_stepกลายเป็น 1 หรือไม่?

90 tensorflow  deep-learning 

สมมติว่าฉันมีเทนเซอร์เทนเซอร์โฟลว์ ฉันจะรับขนาด (รูปร่าง) ของเทนเซอร์เป็นค่าจำนวนเต็มได้อย่างไร ฉันรู้ว่ามีสองวิธีtensor.get_shape()และtf.shape(tensor)แต่ฉันไม่สามารถรับค่ารูปร่างเป็นint32ค่าจำนวนเต็มได้ ยกตัวอย่างเช่นด้านล่างฉันได้สร้าง 2 มิติเมตริกซ์และฉันต้องได้รับจำนวนแถวและคอลัมน์ที่เป็นint32เพื่อที่ฉันสามารถโทรเพื่อสร้างเมตริกซ์ของรูปร่างreshape() (num_rows * num_cols, 1)แต่วิธีการที่tensor.get_shape()จะส่งกลับค่าเป็นชนิดไม่Dimensionint32 import tensorflow as tf import numpy as np sess = tf.Session() tensor = tf.convert_to_tensor(np.array([[1001,1002,1003],[3,4,5]]), dtype=tf.float32) sess.run(tensor) # array([[ 1001., 1002., 1003.], # [ 3., 4., 5.]], dtype=float32) tensor_shape = tensor.get_shape() tensor_shape # TensorShape([Dimension(2), Dimension(3)]) print tensor_shape # (2, …

90 python  tensorflow  machine-learning  artificial-intelligence 

บน Windows TensorFlow รายงานข้อผิดพลาดอย่างใดอย่างหนึ่งหรือทั้งสองข้อต่อไปนี้หลังจากดำเนินการimport tensorflowคำสั่ง: No module named "_pywrap_tensorflow" DLL load failed.

87 tensorflow 

ฉันกำลังย้ายเครือข่าย Caffe ของฉันไปที่ TensorFlow แต่ดูเหมือนว่าจะไม่มีการเริ่มต้น xavier ฉันกำลังใช้truncated_normalแต่ดูเหมือนว่าจะทำให้การฝึกยากขึ้นมาก

86 python  tensorflow 

อบรมการใช้ตัวจําแนกภาพโดยใช้.fit_generator()หรือ.fit()ผ่านพจนานุกรมไปclass_weight=เป็นอาร์กิวเมนต์ ฉันไม่เคยพบข้อผิดพลาดใน TF1.x แต่ใน 2.1 ฉันจะได้ผลลัพธ์ต่อไปนี้เมื่อเริ่มการฝึก: WARNING:tensorflow:sample_weight modes were coerced from ... to ['...'] การบีบบังคับอะไรบางอย่างตั้งแต่ต้น...จนถึง['...']อะไร? แหล่งที่มาสำหรับคำเตือนtensorflowของ repo อยู่ที่นี่ความคิดเห็นที่วางไว้คือ: พยายามบีบบังคับ sample_weight_modes กับโครงสร้างเป้าหมาย สิ่งนี้ย่อมขึ้นอยู่กับความจริงที่ว่า Model แบนเอาท์พุทสำหรับการเป็นตัวแทนภายใน

47 python  tensorflow  keras  tensorflow2.0  tf.keras 

สมมติว่าฉันต้องการเขียนคลาสของเครื่องมือเพิ่มประสิทธิภาพแบบกำหนดเองที่สอดคล้องกับtf.kerasAPI (โดยใช้รุ่น TensorFlow> = 2.0) ฉันสับสนเกี่ยวกับวิธีการทำเอกสารกับสิ่งที่ทำในการนำไปใช้งาน เอกสารประกอบสำหรับtf.keras.optimizers.Optimizer รัฐ , ### Write a customized optimizer. If you intend to create your own optimization algorithm, simply inherit from this class and override the following methods: - resource_apply_dense (update variable given gradient tensor is dense) - resource_apply_sparse (update variable given gradient tensor is …

30 python  tensorflow  deep-learning  tf.keras  tensorflow2.x 

ฉันต้องการสร้างลักษณนามภาพ แต่ฉันไม่รู้จักหลาม Tensorflow.js ทำงานร่วมกับ javascript ซึ่งฉันคุ้นเคย แบบจำลองสามารถได้รับการฝึกฝนกับมันและสิ่งที่จะเป็นขั้นตอนในการทำเช่นนั้น? ตรงไปตรงมาฉันไม่มีเงื่อนงำที่จะเริ่ม สิ่งเดียวที่ฉันคิดได้คือวิธีการโหลด "mobilenet" ซึ่งเห็นได้ชัดว่าเป็นชุดของรุ่นที่ได้รับการฝึกฝนมาล่วงหน้าและจำแนกรูปภาพด้วย: const tf = require('@tensorflow/tfjs'), mobilenet = require('@tensorflow-models/mobilenet'), tfnode = require('@tensorflow/tfjs-node'), fs = require('fs-extra'); const imageBuffer = await fs.readFile(......), tfimage = tfnode.node.decodeImage(imageBuffer), mobilenetModel = await mobilenet.load(); const results = await mobilenetModel.classify(tfimage); ซึ่งใช้งานได้ แต่มันไม่มีประโยชน์สำหรับฉันเพราะฉันต้องการฝึกรูปแบบของตัวเองโดยใช้ภาพที่มีป้ายกำกับที่ฉันสร้าง ======================= สมมติว่าฉันมีรูปภาพและป้ายกำกับจำนวนมาก ฉันจะใช้มันเพื่อฝึกฝนโมเดลได้อย่างไร const myData = JSON.parse(await …

29 javascript  node.js  tensorflow  training-data  tensorflow.js 

ในทางทฤษฎีการทำนายควรจะคงที่เนื่องจากน้ำหนักมีขนาดคงที่ ฉันจะกลับมาใช้ความเร็วใหม่หลังจากคอมไพล์ได้อย่างไร (โดยไม่จำเป็นต้องลบเครื่องมือเพิ่มประสิทธิภาพ) ดูการทดสอบที่เกี่ยวข้อง: https://nbviewer.jupyter.org/github/off99555/TensorFlowExperiments/blob/master/test-prediction-speed-after-compile.ipynb?flush_cache=true

23 python  performance  tensorflow  keras  jupyter-notebook 

ฉันกำลังติดตามกวดวิชานี้และทำโครงการเกี่ยวกับการตรวจจับวัตถุที่กำหนดเองโดยใช้ tensorflow ดังนั้นเมื่อฉันพยายามสร้างบันทึก TF สำหรับภาพรถไฟโดยใช้คำสั่งต่อไปนี้ python3 generate_tfrecord.py --csv_input=data/train_labels.csv --output_path=data/train.record ฉันได้รับข้อผิดพลาดต่อไปนี้: Traceback (most recent call last): File "generate_tfrecord.py", line 23, in <module> flags = tf.app.flags AttributeError: module 'tensorflow' has no attribute 'app' ฉันจะแก้ไขข้อผิดพลาดนี้ได้อย่างไร?

18 python-3.x  tensorflow  object-detection