《tensorflow》专题

问题内容： 我已经写了一个tensorflow CNN，它已经受过训练。我希望将其还原以在几个示例上运行它，但不幸的是它吐出来了： ValueError：没有要保存的变量 我的评估代码可以在这里找到： 问题答案： 在必须创建 后 要恢复（或保存）的变量。此外，必须在与这些变量相同的图形中创建它。 假设还可以在模型中创建变量，则在此行之后添加保护程序创建应该可以： 另外，您必须将创建的新内容传递给构

问题内容： 我之前曾使用Scikit-learn的GridSearchCV优化模型的超参数，但只是想知道是否存在类似的工具来优化Tensorflow的超参数（例如 历元数，学习率，滑动窗口大小等 ）。 如果没有，如何实现有效运行所有不同组合的代码段？ 问题答案： 使用Tensorflow进行网格搜索的另一个可行的（已记录）选项是Ray Tune 。它是用于超参数调整的可扩展框架，专门用于深度学习/

问题内容： 我有一个由 N = 4000个样本 组成的数据集X ，每个样本都包含 d = 2个特征 （连续值），这些特征跨越 t = 10个时间步长 。在时间步骤11，我还具有每个样本的相应“标签”，它们也是连续值。 目前，我的数据集的形状为X：[4000,20]，Y：[4000]。 给定d个功能的10个先前输入，我想使用TensorFlow训练LSTM来预测Y值（回归），但是我在TensorFl

问题内容： 我正在看TensorFlow“ MNIST对于ML初学者”教程，我想在每个训练步骤之后打印出训练损失。 我的训练循环目前看起来像这样： 现在，定义为： 我要打印的损失在哪里： 一种打印方式是在训练循环中显式计算： 我现在有两个问题： 鉴于已经在期间进行了计算，因此将其计算两次效率低下，这需要所有训练数据的前向通过次数的两倍。有没有一种方法可以访问在计算期间的value ？ 我如何打印？

问题内容： 我正在尝试使用Keras实现一个简单的序列到序列模型。但是，我一直看到以下内容： 像其他的问题这个还是看这个问题在Github上认为，这可能有一些做的交叉熵损失函数; 但我看不到我在做什么错。 我不认为这是问题所在，但我要提一提，确切地说，我是每晚构建的TensorFlow 。 以下代码是一个独立的示例，应从上面重现异常： 更新资料 要点链接 Github问题链接 问题答案： 您的代码

问题内容： 我在Python脚本中有多次调用的函数（https://github.com/sankhaMukherjee/NNoptExpt/blob/dev/src/lib/NNlib/NNmodel.py）：为此，我已大大简化了该函数例。 我从另一个函数多次调用此函数。当我看到程序日志时，似乎此功能花费的时间越来越长。显示了部分日志： 有没有其他人经历过这样的事情？这完全让我感到困惑… 编辑

问题内容： 我正在使用Tensorflow + Python。 我很好奇是否可以在没有详细源代码的情况下发布保存的Tensorflow模型（体系结构+训练有素的变量）。我知道，但是它看起来只保存变量，并且为了还原/运行它们，用户需要“定义”相同的体系结构。 仅出于测试/运行目的，有没有办法释放没有源代码的保存的{architecture + trained variables}，以便用户可以进行查

问题内容： 我目前正在阅读基于Tensorflow的苗条库的源代码，并且它们将参数用于很多方法，例如here。 从API页面，我可以看到： 该上下文管理器验证（可选）值是否来自同一图，确保该图是默认图，并推送名称范围和变量范围。 我的问题是：仅检查来自的变量是否来自同一张图？有哪些用例？为什么有人需要它？ 问题答案： variable_scope参数有助于确保变量的唯一性并在需要时重用变量。 是的

问题内容： 我正在尝试使用TensorFlow实现异步参数服务器DistBelief样式。我发现最小化（）分为两个函数，compute_gradients和apply_gradients，所以我的计划是在它们之间插入网络边界。我有一个问题，如何同时评估所有梯度并将其全部拉出。我知道eval仅评估必要的子图，但它也仅返回一个张量，而不返回计算该张量所需的张量链。 我怎样才能更有效地做到这一点？我以D

问题内容： 我是tensorflow的新手，我无法理解变量和常量的区别，我知道我们将变量用于方程式，将常量用于直接值，但是为什么代码＃1仅工作，为什么代码＃2和＃ 3，请说明在哪种情况下我们必须先运行图形（a），然后运行变量（b），即 在这种情况下，我可以直接执行此命令，即 代码1： 代码2： 代码3： 问题答案： 在TensorFlow中，常量和变量之间的区别在于，当您声明某个常量时，其值以后将

在tenstorflow 2.0中，一旦模型被训练，我们如何保存模型以防止从一开始就重新训练它？

我有训练DNN网络的代码。我不想每次都训练这个网络，因为它占用了太多的时间。如何保存模型？ 运行此函数后，我得到一个，我想保存它。

我想使用我的神经网络，而不需要再次训练网络。我读到关于 现在我在文件夹中有3个文件：检查点、model.ckpt和model.ckpt.meta 我想在python的另一个类中恢复数据，得到我的神经网络的权重，并进行一次预测。 我该怎么做呢？

数据丢失：不是sstable（错误的幻数）：可能您的文件格式不同，您需要使用不同的还原运算符？ 我看过这篇文章，但是tf。火车导出元图不起任何作用。另外，如果我尝试在新的终端选项卡中生成输出，如下所示： 我得到这个错误，基本上说我不能生成输出，因为训练数据还没有保存。如何保存并完成培训？

我在我的Ubuntu 19.04笔记本电脑上使用设置了TensorFlow。所有依赖项，如CUDA，CUDNN都安装并工作。但是，当导入TensorFlow并检查给我False。我尝试过完全卸载和重新安装TensorFlow，这不起作用。输出： 2019-06-27 14:06:18.359739： I tenstorflow/core/平台/cpu_feature_guard.cc:142]您的