我已经在tensorflow中实现了某种神经网络(GAN:生成对抗网络)。它按预期工作，直到我决定在generator(z)方法中添加以下批归一化层(参见下面的完整代码):out=tf.contrib.layers.batch_norm(out,is_training=False)当我收到以下错误时:G_sample=generator(Z)File"/Users/Florian/Documents/DeepLearning/tensorflow_stuff/tensorflow_stuff/DCGAN.py",line84,ingeneratorout=tf.contrib.laye
我遵循了教程“TF层指南:构建卷积神经网络”(这里是代码:https://github.com/tensorflow/tensorflow/blob/r1.1/tensorflow/examples/tutorials/layers/cnn_mnist.py)。我根据自己的需要改编了教程，即手部检测。据我了解，本教程会创建估算器(即CNN)，然后进行拟合，最后评估估算器的性能。现在，我的问题是我想在另一个文件中使用估算器，这将成为我的主程序。如何从另一个文件访问估算器？每次我想使用它时都必须安装估算器吗？(我希望不是)我想知道是否有人可以帮助我了解如何保存估算器以供日后使用。(据我所知
我最近开始使用tensorflow并尝试使用一些模拟数据的线性回归模型。我有以下代码，其中我使用GradientDescentOptimizer训练两个变量w和b(我使用numpy随机初始化)。模型完成训练后，我想查看这些变量，看看它们与实际值的接近程度。(我省略了代码的其他部分，因为它们与问题无关)。因此，当session退出withtf.Session()...时，我使用sess=tf.Session()打开默认session并尝试使用sess.run(w)但我收到了Attemptingtouseuninitializedvaluetrain_weights。这是意料之中的。所以我
我在OSXElCapitan上尝试了pipinstalltensorflow并成功了。但是，如果我尝试导入tensorflow，则会出现ImportError。知道的请告诉我。>>>importtensorflowTraceback(mostrecentcalllast):File"",line1,inFile"/usr/local/lib/python2.7/site-packages/tensorflow/__init__.py",line23,infromtensorflow.pythonimport*File"/usr/local/lib/python2.7/site-pack
我的TensorFlow用例要求我为每个需要处理的实例构建一个新的计算图。这最终会增加内存需求。除了作为模型参数的一些tf.Variables之外，我想删除所有其他节点。其他有类似问题的人发现tf.reset_default_graph()很有用，但这会去掉我需要保留的模型参数。我可以使用什么来删除除这些节点之外的所有节点？编辑:特定于实例的计算实际上只是意味着我要添加很多新操作。我相信这些操作是内存问题背后的原因。更新:请参阅最近发布的tensorflowfold(https://github.com/tensorflow/fold)，它允许动态构建计算图。
我正在使用Tensorflowr0.12。我在本地使用google-cloud-ml来运行2个不同的训练作业。在第一份工作中，我为我的变量找到了很好的初始值。我将它们存储在V2检查点中。当我尝试恢复我的变量以便在第二份工作中使用它们时:importtensorflowastfsess=tf.Session()new_saver=tf.train.import_meta_graph('../variables_pred/model.ckpt-10151.meta',clear_devices=True)new_saver.restore(sess,tf.train.latest_chec
给定一个灰度图像I作为2D张量(维度W,H)和一个坐标C(Dim.None,2)的张量。我想将C的行解释为I中的坐标，使用某种插值在这些坐标处对I进行采样(双线性可能会很好对于我的用例)，并将结果值存储在一个新的张量P中(维度为无，即一维的条目数与C的行数一样多)。TensorFlow是否可以(有效地)实现这一点？我所能找到的只是调整图像大小(如果你愿意，可以进行等距重采样)的函数。但是我无法在坐标列表中找到任何开箱即用的东西。即我本以为会找到类似tf.interpolate()函数的东西:I=tf.placeholder("float",shape=[128,128])C=tf.pl
我已经在Torch中获得了一个训练有素的神经网络，我需要在TensorFlow中完全重建它。我相信我已经在tensorflow中正确定义了网络架构，但我在传递权重和偏置张量时遇到了问题。使用第三方包，我将所有权重和偏置张量从torch网络转换为numpy数组，然后将它们写入磁盘。我可以将它们加载回我的python程序，但我无法找到一种方法将它们分配到我的tensorflow网络中的相应层。例如，我在tensorflow中定义了一个卷积层kernel_1=tf.Variable(tf.truncated_normal([11,11,3,64],stddev=0.1))conv_kerne
我想在tensorflow中创建一个旋转矩阵，其中所有部分都是张量。我有什么:defrotate(tf,points,theta):rotation_matrix=[[tf.cos(theta),-tf.sin(theta)],[tf.sin(theta),tf.cos(theta)]]returntf.matmul(points,rotation_matrix)但这表示rotation_matrix是张量列表而不是张量本身。theta也是运行时传入的张量对象。 最佳答案 有两个操作:defrotate(tf,points,thet
我正在使用PythonAPIforTensorflow.我正在尝试实现Rosenbrockfunction下面给出了不使用Python循环的情况:我目前的实现如下:defrosenbrock(data_tensor):columns=tf.unstack(data_tensor)summation=0foriinrange(1,len(columns)-1):first_term=tf.square(tf.subtract(columns[i+1],tf.square(columns[i])))second_term=tf.square(tf.subtract(columns[i],1
