我正在使用Tensorflow构建标准图像分类模型。为此，我输入了图像，每个图像都分配了一个标签({0,1}中的数字)。因此，数据可以使用以下格式存储在列表中:/path/to/image_0label_0/path/to/image_1label_1/path/to/image_2label_2...我想使用TensorFlow的排队系统来读取我的数据并将其提供给我的模型。忽略标签，使用string_input_producer和wholeFileReader可以轻松实现这一点。代码如下:defread_my_file_format(filename_queue):reader=tf

我正在处理TensorFlowtutorial，它使用“奇怪”的格式上传数据。我想对数据使用NumPy或pandas格式，以便可以将其与scikit-learn的结果进行比较。我从Kaggle获得数字识别数据:https://www.kaggle.com/c/digit-recognizer/data.这里是TensorFlow教程中的代码(运行良好):#Stufffromtensorflowtutorialimporttensorflowastfsess=tf.InteractiveSession()x=tf.placeholder("float",shape=[None,784])

我在一些地方看到了tf.identity，例如官方CIFAR-10教程和stackoverflow上的批量标准化实现，但我不明白为什么它是必要的。它是做什么用的？谁能给出一两个用例？一个建议的答案是它可以用于CPU和GPU之间的传输。这对我来说不是很清楚。问题的扩展，基于this:loss=tower_loss(scope)在GPUblock下，这表明tower_loss中定义的所有算子都映射到GPU。然后，在tower_loss的末尾，我们在返回之前看到total_loss=tf.identity(total_loss)。为什么？在这里不使用tf.identity会有什么缺陷？

tensorflow是否有类似于scikitlearn的onehotencoder的东西？用于处理分类数据？使用tf.string的占位符会表现为分类数据吗？我意识到我可以在将数据发送到tensorflow之前手动对其进行预处理，但是内置它非常方便。 最佳答案 从TensorFlow0.8开始，现在有一个nativeone-hotop,tf.one_hot可以将一组稀疏标签转换为密集的单热表示。这是对tf.nn.sparse_softmax_cross_entropy_with_logits的补充，在某些情况下，您可以直接在稀疏标签

假设我有一个Tensorflow张量。如何将张量的尺寸(形状)作为整数值？我知道有两种方法，tensor.get_shape()和tf.shape(tensor)，但我无法将形状值作为整数int32值。例如，下面我创建了一个二维张量，我需要将行数和列数获取为int32以便我可以调用reshape()创建一个形状为(num_rows*num_cols,1)的张量。但是，方法tensor.get_shape()以Dimension类型返回值，而不是int32。importtensorflowastfimportnumpyasnpsess=tf.Session()tensor=tf.conv

我想在TensorFlow中使用批量标准化。我在core/ops/nn_ops.cc中找到了相关的C++源代码.但是，我没有在tensorflow.org上找到它。BN在MLP和CNN中有不同的语义，所以我不确定这个BN到底是做什么的。我也没有找到名为MovingMoments的方法。 最佳答案 2016年7月更新在TensorFlow中使用批量标准化的最简单方法是通过contrib/layers中提供的高级接口(interface)。,tflearn,或slim.如果你想DIY，上一个答案:自发布以来，文档字符串已得到改进-请参阅

我正在将我的Caffe网络移植到TensorFlow，但它似乎没有xavier初始化。我正在使用truncated_normal但这似乎使它更难训练。 最佳答案 从0.8版开始有一个Xavier初始化器，seehereforthedocs.你可以这样使用:W=tf.get_variable("W",shape=[784,256],initializer=tf.contrib.layers.xavier_initializer()) 关于python-如何在TensorFlow上进行Xav

我安装了带有Tensorflow后端和CUDA的Keras。我有时想按需强制Keras使用CPU。不用说在虚拟环境中安装单独的仅CPU的Tensorflow就可以做到这一点吗？如果有怎么办？如果后端是Theano，则可以设置标志，但我还没有听说过可以通过Keras访问的Tensorflow标志。 最佳答案 如果你想强制Keras使用CPU方式1importosos.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID"#seeissue#152os.environ["CUDA_VISIBLE_DEVICE

根据我目前收集到的信息，有几种不同的方法可以将TensorFlow图转储到文件中，然后将其加载到另一个程序中，但我无法找到关于它们如何工作的清晰示例/信息.我已经知道的是:使用tf.train.Saver()将模型的变量保存到检查点文件(.ckpt)中并稍后恢复它们(source)将模型保存到.pb文件中，然后使用tf.train.write_graph()和tf.import_graph_def()(source)从.pb文件加载模型，重新训练，然后使用Bazel(source)将其转储到新的.pb文件中卡住图表以将图表和权重一起保存(source)使用as_graph_def()保

我在许多使用TensorFlow实现的可用神经网络代码中发现，正则化项通常是通过手动向损失值添加一个附加项来实现的。我的问题是:有没有比手动进行更优雅或推荐的正则化方式？我还发现get_variable有一个参数regularizer。应该如何使用？根据我的观察，如果我们向它传递一个正则化器(例如tf.contrib.layers.l2_regularizer，一个表示正则化项的张量将被计算并添加到一个名为tf.GraphKeys.REGULARIZATOIN_LOSSES。TensorFlow会自动使用该集合(例如，优化器在训练时使用)吗？还是希望我自己使用该集合？