《tensorflow》专题

R中的绘图可视化 上面的代码是我在运行fit参数时用来获取图的代码，但是，每次运行代码时，图都是不同的。我理解这是你如何可视化模型是如何训练或学习的。损失显示在上面的图表中，精确度显示在第二个图表中，对于最后一个图表，我不断地改变历元、批处理大小和验证，它总是0。我不完全理解这些图和Y轴上的数字是什么意思。

我想做一个图像分类器，但是我不懂Python。js与我熟悉的javascript一起工作。模型可以用它来训练吗？这样做的步骤是什么？坦白地说，我不知道从哪里开始。 ========================================= 说我有一堆图像和标签。我如何使用它们来训练一个模型？

我的数据可以看作是10B条目的矩阵（100Mx 100），非常稀疏（ 我的第一个想法是将数据扩展为密集的，也就是说，将所有10B条目写成一系列CSV，其中大多数条目为零。然而，这很快就压垮了我的资源（即使做ETL也压倒了熊猫，并导致postgres挣扎）。所以我需要使用真正的稀疏矩阵。 我怎样才能用Keras（和Tensorflow）做到这一点？虽然numpy不支持稀疏矩阵，但scipy和tens

我目前正在尝试训练一个聊天机器人，更具体地说是这个。但是，当我开始训练聊天机器人时，它使用了我100%的CPU和大约10%的GPU。有人知道为什么吗。 我已经安装了，并确保我有正确的CUDA和cuDNN版本。我还确保我没有安装基本的pip包。我的GPU也有最新的英伟达驱动程序。我也尝试过卸载和重新安装我所有的驱动程序，CUDA，cuDNN，tensorflow gpu和它所有的依赖和python本

我用tensorflow用Nvidia Geforce 1060（6G内存）训练CNN，但我得到了一个OOM例外。 训练过程在前两个阶段都很好，但在第三个阶段出现了OOM例外。 第二个月，第二个月，第七个月，第七个月，第七个月，第七个月，第七个月，第七个月，第三个月，第七个月，第七个月，第七个月，第二个月，第七个月，第二个月，第二个月，第二个月，第二个月，第二个月，第二个月，第三个月，第三个月，第

我使用多个GPU（num_GPU=4）训练一个模型和多个塔。该模型在一组GPU上训练良好：CUDA_VISIBLE_DEVICES=0,1,2,3，而在CUDA_VISIBLE_DEVICES=0,1,4,5的第一次图形评估中，该模型遇到OOM问题 有人知道为什么会这样吗？ 以下选项用于创建会话 批量大小，已经非常小，=3 Tensorflow 1.0 Cuda 8.0 Ubuntu 14.04.

我正在建立一个简单的神经网络。数据是一个231长的向量，它是一个热编码的向量。每个231个长向量被分配一个8个长的热编码标签。 到目前为止，我的代码是： 问题是输出层是8个单位，但是我的标签不是单个单位，它们是一个热编码的8个长矢量。如何将此表示为输出？ 错误消息是： 无法用非浮点dtype构建密集层 完全回溯：

注意：我已经阅读了如何重塑BatchDataset类张量？但是解决方案在这里不适用。 正如在训练一个神经网络时所提到的，输入是带有Tensorflow/Keras的矩阵的滑动窗口，记忆问题，我需要从一个形状矩阵（10000，2000）训练一个具有所有形状滑动窗口（16，2000）的神经网络。（在我的另一篇文章中是100k，但这里10k还可以）。 问题是，我需要把它输入一个需要（...，16, 20

我可以使用Ubuntu 20.04设置和GPU访问虚拟机。系统管理员已经安装了最新的Cuda驱动程序，但不幸的是，这还不足以在Tensorflow中使用图形处理器，因为当涉及到特定的Cuda工具包CuDNN版本集时，每个版本的TF都可能非常挑剔。我没有sudo权限，所以我需要在本地安装所有东西。 返回驱动版本：465.19.01 CUDA版本：11.3 返回 2021-05-11 10:56:26

我正在学习初学者的TensorFlow教程并尝试分类。有很多GPU错误。我安装了cuda工具以及最新的GPU驱动程序。以下是输出： 这是我的代码：

提前感谢您的考虑， 我刚刚使用以下步骤安装了tensorflow（在一台已经安装了Ubuntu 16.04和CUDA 8.0的新机器上）： 最初，我使用。我收到了留言 TensorFlow库没有编译成使用SSE3指令，但是这些指令在您的机器上可用，可以加快CPU计算速度。 W tensorflow/core/platform/cpu_feature_guard.cc:45]tensorflow库的

在导入python2.7中的tenstorflow后，我使用以下命令：

我安装了tensorflow的gpu版本，创建会话后，它会显示以下日志： I tensorflow/core/common_runtime/gpu/gpu_device.cc:885]找到属性为：name:GeForce GTX TITAN Black major:3 minor:5 memoryClockRate（GHz）的设备00.98 pciBusID 0000:01:00.0总内存：5.9

我在Tensorflow中的LSTM-RNN上训练一些音乐数据，遇到了GPU内存分配的一些问题，我不明白：我遇到了OOM，而实际上似乎还有足够的VRAM可用。一些背景：我正在使用GTX1060 6GB、英特尔至强E3-1231V3和8GB内存开发Ubuntu Gnome 16.04。现在，首先是我能理解的错误消息的一部分，在中，我将在最后再次添加整个错误消息，以供任何可能要求帮助的人使用： I t

我遵循了官方CUDA关于WSL教程中的步骤(https://docs.nvidia.com/cuda/wsl-user-guide/index.html#ch05-sub02 jupyter）设置jupyter笔记本。然而，我不知道如何更改初始工作目录。我试着用v开关挂载一个本地目录，并附加到启动命令notebook dir，但这两种解决方案都不起作用。无论我做什么，jupyter笔记本都会在“/