在tensorflow1.4中，我发现了两个执行批量标准化的函数，它们看起来一样:tf.layers.batch_normalization(link)tf.contrib.layers.batch_norm(link)我应该使用哪个功能？哪个更稳定？ 最佳答案 只是添加到列表中，还有更多方法可以在tensorflow中进行批处理规范:tf.nn.batch_normalization是一个低级操作。调用者自己负责处理mean和variance张量。tf.nn.fused_batch_norm是另一个低级操作，与前一个类似。不同之处

我正在编写的程序涉及在运行时在模型之间切换。我目前正在使用Saver从磁盘中保存/加载模型，如下所示:https://www.tensorflow.org/api_docs/python/state_ops/saving_and_restoring_variables#Saver.模型相当小，可以存储在内存中，所以我想知道是否有人知道在内存中存储和恢复这些模型而不是将它们保存到磁盘的方法。我尝试修改tensorflow源以将模型保存到内存中，但是gen_io_ops似乎是在编译期间生成的。另一种可能的方法是使用内存映射文件。有谁知道更简单的方法吗？ 最佳答案

我尝试熟悉Q-learning和深度神经网络，目前尝试实现PlayingAtariwithDeepReinforcementLearning.为了测试我的实现并尝试使用它，我坚持尝试了一个简单的网格世界。我有一个NxN网格，从左上角开始，在右下角结束。可能的Action有:左、上、右、下。尽管我的实现与this非常相似(希望它是一个好的)它似乎没有学到任何东西。看看它需要完成的总步数(我猜网格大小为10x10的平均值约为500，但也有非常低和高的值)，它比其他任何东西都更加随机。我在使用和不使用卷积层的情况下尝试了它，并使用了所有参数，但老实说，我不知道我的实现是否有问题或者它需要训练

importtensorflowastfwithtf.device('/gpu:0'):foo=tf.Variable(1,name='foo')assertfoo.name=="foo:0"withtf.device('/gpu:1'):bar=tf.Variable(1,name='bar')assertbar.name=="bar:0"上面的代码返回true。我这里用withtf.device来说明“:0”并不代表变量位于特定的设备上。那么“”是什么意思:0"在变量名中(本例中为foo和bar)？ 最佳答案 这与底层API中张

在numpy中，有两个相同形状的数组x和y，可以像这样y[x>1]。您如何在tensorflow中获得相同的结果？y[tf.greater(x,1)]不起作用，tf.slice也不支持这样的东西。现在有没有办法使用bool张量进行索引，还是目前不受支持？ 最佳答案 试试:ones=tf.ones_like(x)#createatensorallonesmask=tf.greater(x,ones)#booleantensor,mask[i]=Trueiffx[i]>1slice_y_greater_than_one=tf.boole

我正在尝试使用tensorflow进行迁移学习。我从教程中下载了预训练模型inception3。在代码中，用于预测:prediction=sess.run(softmax_tensor,{'DecodeJpeg/contents:0'}:image_data})有没有办法提供png图像。我尝试将DecodeJpeg更改为DecodePng但它不起作用。另外，如果我想提供解码后的图像文件，如numpy数组或一批数组，我应该改变什么？谢谢!! 最佳答案 classify_image.py中使用的InceptionV3图仅支持开箱即用的J

我有一个关于如何在TensorFlow中进行索引的基本问题。在numpy中:x=np.asarray([1,2,3,3,2,5,6,7,1,3])e=np.asarray([0,1,0,1,1,1,0,1])#numpyprintx*e[x]我可以得到[1033050713]如何在TensorFlow中做到这一点？x=np.asarray([1,2,3,3,2,5,6,7,1,3])e=np.asarray([0,1,0,1,1,1,0,1])x_t=tf.constant(x)e_t=tf.constant(e)withtf.Session():????谢谢!

在Google/UdemyTensorflowtutorial有如下代码:importtensorflowastf...defread_data(filename):"""Extractthefirstfileenclosedinazipfileasalistofwords"""withzipfile.ZipFile(filename)asf:data=tf.compat.as_str(f.read(f.namelist()[0])).split()returndata这执行得很好，但我在Tensorflow文档或其他任何地方都找不到compat.as_str。Q1:compat.as

TensorFlow图通常从输入到输出逐渐构建，然后执行。查看Python代码，操作的输入列表是不可变的，这表明不应修改输入。这是否意味着无法更新/修改现有图表？ 最佳答案 TensorFlowtf.Graphclass是一个append-only数据结构，这意味着您可以在执行完部分图后将节点添加到图中，但不能删除或修改现有节点。因为当你调用Session.run()时TensorFlow只执行必要的子图。，在图中有冗余节点没有执行时间成本(尽管它们会继续消耗内存)。要删除图表中的所有个节点，您可以使用新图表创建session:wi

我在ubuntu16.04LTS上使用pip安装了tensorflow，运行此代码时https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/recurrent_network.py我收到此错误Successfullydownloadedtrain-images-idx3-ubyte.gz9912422bytes.Extracting/tmp/data/train-images-idx3-ubyte.gzSuccessfullydownloadedtrain-la