回到TensorFlowinception模块，通过使用tf.name_scope或tf将它们分组.variable_scope.利用这些运算符，我们能够方便地构造计算图，从而使TensorBoard的图View更容易解释。只是结构化组的一个例子:这对于调试复杂的架构非常方便。不幸的是，tf.keras似乎忽略了tf.name_scope并且tf.variable_scope在TensorFlow>=2.0中消失了。因此，像这样的解决方案......withtf.variable_scope("foo"):withtf.variable_scope("bar"):v=tf.get_va
首先是广泛的问题:是否可以使用tensorflow构建条件图？如果是，自动梯度计算和实现的优化器是否与它一起工作？我能否访问张量的形状并将其转换为整数，以便在“if”条件和“foriinrange()”循环中使用它？我的实际用例是我想做一个具有可变张量长度的一维卷积。为此，我首先需要一个if语句，该语句仅在长度大于1时才执行卷积。然后我有一个for循环，它通过卷积的张量。问题是这段代码:foriinrange(tf.shape(tensor)[0]):不起作用，因为范围运算符需要一个整数。我能以某种方式将其转换为整数吗？最后我想用adagrad训练这个模型，要么使用自动微分，要么使用已
我正在使用Tensorflow1.4版，我想调试我的train()函数。在此链接中https://www.tensorflow.org/programmers_guide/debugger#debugging_tf-learn_estimators_and_experimentstf.contrib.learnEstimators有一种方法可以做到这一点，但我找不到一种方法来使其适应(1.4版中的新功能)tf.estimator.这是我试过的:fromtensorflow.pythonimportdebugastf_debug#Createanestimatormy_estimator
我想在Jupyternotebook中使用tensorflow。然而，运行importtensorflowastf在Jupyternotebook中立即触发弹出窗口:Thekernelappearstohavedied.Itwillrestartautomatically.此问题仅在更新到tensorflow1.7后出现。我有几个星期没有使用tensorflow，所以这也可能是由于使用Python3.6更新了anaconda5.1。我使用装有“HighSierra10.13.4”的2010年中期MacBookPro。使用Python3.6删除并重新安装anaconda5.1，然后通过安
对于LSTM网络，我看到分桶有很大的改进。我遇到了bucketingsectionintheTensorFlowdocs哪个(tf.contrib)。虽然在我的网络中，我使用的是tf.data.DatasetAPI，特别是我正在使用TFRecords，所以我的输入管道看起来像这样dataset=tf.data.TFRecordDataset(TFRECORDS_PATH)dataset=dataset.map(_parse_function)dataset=dataset.map(_scale_function)dataset=dataset.shuffle(buffer_size=1
关于在TF(here和here)中创建自定义标量摘要有几个SO答案，但我找不到关于创建自定义直方图摘要的任何内容。文档似乎非常缺乏自定义摘要。我有一个numpy数组，我想总结一下-关于如何做的任何想法？(tf.Summary.Value有一个我尝试使用的histo字段，但它需要一个tensorflow::HistogramProto；也没有关于该类的文档，所以我不知道如何制作它。我我们尝试在下面创建一个最小的失败示例)。importtensorflowastfimportnumpyasnpsess=tf.Session()means_placeholder=tf.placeholder
现在tensorflow中的最大池化函数是tf.nn.max_pool(value,ksize,strides,padding,name=None)Returns:ATensorwithtypetf.float32.Themaxpooledoutputtensor.我想要一个max_pool的扩展版本，比如tf.nn.top_k_pool(value,ksize,strides,padding,k=1,name=None)Performsthetopkpoolingontheinput.Args:value:A4-DTensorwithshape[batch,height,width,
下面的代码没有给出任何错误，但也没有打印张量。importtensorflowastfimportnumpyasnp#Sometensorwewanttoprintthevalueofx=tf.placeholder(tf.float32,shape=[2,2,2])a=np.array([[[1.,1.],[1.,1.]],[[2.,2.],[2.,2.]]])m=tf.Print(x,[x])withtf.Session()assess:sess.run(tf.initialize_all_variables())m_eval=m.eval(session=sess,feed_di
我正在尝试创建一个可以对图像中的每个单独像素进行分类的深度CNN。我正在从下图复制架构this纸。在论文中提到使用反卷积使得任何大小的输入都是可能的。这可以在下图中看到。GithubRepository目前，我已将我的模型硬编码为接受尺寸为32x32x7的图像，但我想接受任何尺寸的输入。我需要对代码进行哪些更改才能接受可变大小的输入？x=tf.placeholder(tf.float32,shape=[None,32*32*7])y_=tf.placeholder(tf.float32,shape=[None,32*32*7,3])...DeConnv1=tf.nn.conv3d_tr
关闭。这个问题需要debuggingdetails.它目前不接受答案。编辑问题以包含desiredbehavior,aspecificproblemorerror,andtheshortestcodenecessarytoreproducetheproblem.这将有助于其他人回答问题。关闭4年前。Improvethisquestion运行TensorflowObjectDetectionAPI时在当前版本的Tensorflow-Gpu(1.5)中，尝试训练一组自定义图像时会抛出以下错误。INFO:tensorflow:Scaleof0disablesregularizer.INFO:
