คำถามติดแท็ก tf.keras

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 

ฉันใช้ keras หมายถึง submodule ใน tensorflow v2 ฉันกำลังฝึกอบรมโมเดลของฉันโดยใช้fit_generator()วิธีการ ฉันต้องการบันทึกโมเดลของฉันทุก 10 ครั้ง ฉันจะบรรลุสิ่งนี้ได้อย่างไร ใน Keras (ไม่ใช่เป็น submodule of tf) ฉันสามารถให้ModelCheckpoint(model_savepath,period=10)ได้ แต่ใน tf v2 พวกเขาได้เปลี่ยนสิ่งนี้เป็นModelCheckpoint(model_savepath, save_freq)ตำแหน่งที่save_freqสามารถ'epoch'บันทึกได้ในทุกกรณี ถ้าsave_freqเป็นจำนวนเต็มแบบจำลองจะถูกบันทึกหลังจากประมวลผลตัวอย่างจำนวนมากแล้ว แต่ฉันต้องการให้เป็นหลังจาก 10 ยุค ฉันจะบรรลุสิ่งนี้ได้อย่างไร

10 python  keras  deep-learning  tensorflow2.0  tf.keras 

ฉันมีข้อผิดพลาดเกี่ยวกับ (Keras ที่ไม่สนับสนุน TensorFlow 2.0 เราขอแนะนำให้ใช้tf.kerasหรือปรับลดรุ่นเป็น TensorFlow 1.14) คำแนะนำใด ๆ ขอบคุณ import keras #For building the Neural Network layer by layer from keras.models import Sequential #To randomly initialize the weights to small numbers close to 0(But not 0) from keras.layers import Dense classifier=tf.keras.Sequential() classifier.add(Dense(output_dim = 6, init = 'uniform', activation …

9 python  tensorflow  keras  neural-network  tf.keras