《tensorflow》专题

我想在Tensorflow中将整数量化的tflite模型转换为冻结图（.pb）。我通读并尝试了许多有关StackOverflow的解决方案，但没有一个有效。具体来说，toco不起作用（输出格式不能是TENSORFLOW\u GRAPHDEF）。 我的最终目标是通过tf2onnx获得量化的ONNX模型，但tf2onnx不支持tflite作为输入（只支持保存的_模型、检查点和图形_定义）。但是，在使用

运行TFLite解释器时，将包含浮点数的ByteBuffer作为输入，应用程序会引发异常： "数据类型错误：无法解析java.lang.浮点数的数据类型" 模型本身在Keras上进行训练，然后转换为TF，然后再转换为TFLite。 对于转换，我使用了TF（1.5.0版）toco转换器。 toco的输入参数： toco——输入文件=已转换。pb—输出文件=模型。tflite--输入\格式=TENSO

我试着创建一个tf。具有动态形状的变量。以下概述了问题。 这样做很有效。 然而，当我尝试这样做时： 它抛出错误ValueError：initial_value必须具有指定的形状：张量（"random_uniform： 0"，形状=(?, ?), dtype=flat32） 刚来上下文（问题输入是动态批处理的占位符）： 似乎将一个动态值放入随机均匀给出了形状=(?,?) 给出了tf的误差。变量。 感

在resnet的某个阶段，每个图像有6个特征，即每个示例的形状为1X8X8X6，我希望每个特征都包含4个大小为1x2x1x1的常量过滤器（DWT），步长为2，以便在下一层中获得24个特征，并将图像变为1X4X4X24。然而，我无法使用tf。nn。conv2d或tf。nn。卷积为此，conv2d说输入的第四维等于滤波器的第三维，但我如何才能做到这一点，我尝试了第一个滤波器，但即使这样也不起作用：

张量流用tf实现了一个基本的卷积运算。nn。conv2d。 我特别感兴趣的是“步长”参数，它可以设置卷积滤波器的步长——每次移动滤波器的距离。 早期教程中给出的示例是，每个方向的图像步幅为1 链接文档中详细介绍了跨步数组： 具体来说，使用默认的NHWC格式。。。 必须有步幅[0]=步幅[3]=1。对于最常见的相同水平和顶点步幅的情况，步幅=[1，步幅，步幅，1]。 注意，“跨步”的顺序与NHWC格

我用Tensorflow培训了一个模型（更快的rcnn\U resnet101\U coco\U 2018\U 01\U 28）。我有一个“.pb”图形。 要制作一个冻结图，我需要输入和输出节点。 如何在图表中找到它？ 我这里有完整的节点列表。 没有任何节点像Softmax，占位符，因为它在其他帖子中建议。

我正在尝试将量化图形加载到Android应用程序中。我的构建文件包含 额外的量化deps用于独立的C构建。 由于GEMMLOWP中存在大量错误，我无法使用Bazel进行编译。在Android中包含gemmlowp和量化操作的正确方式是什么？ 下面是一个错误示例： 这是在Ubuntu 16.04和Bazel 0.3.0上。 这里有一个要点，它有两次连续尝试构建包的输出——第一次在highwayhas

在TensorFlow中执行批量规格化的正确方法是什么？（即，我不想计算连续均值和方差）。我当前的实现基于tf。nn。batch\u normalization（批次规格化），其中x是具有形状的卷积层的输出。[批次大小、宽度、高度、通道数]。我想在通道方面执行批处理规范。 但这种实施的结果非常糟糕。与tensorflow比较。承包商。苗条的batch\u norm显示其票价较低（同样糟糕的培训表现

首先，我从Mobilenet下载了一个量化模型。它包含在Mobilenet_v1_1.0_224中。然后我做了下面的事情 以下是图表的摘要 因此，通过进行转换，我遇到了以下错误 2018-03-01 23:12:03.353786:I tensorflow/contrib/lite/toco/import_tensorflow。cc:1172]转换不支持的操作：反量化2018-03-01 23:1

转换后的tensorflow lite模型是否始终具有量化计算和输出？还是取决于tensorflow模型的输入和推理类型？

我正在研究谷歌最近发布的“SSD-Mobilenet”模型，用于目标检测。模型从以下位置下载：https://github.com/tensorflow/models/blob/master/object_detection/g3doc/detection_model_zoo.md 从网站下载的冻结图形文件按预期工作，但量化后精度显著下降（主要是随机预测）。 我建立了tensorflow r1。2

我有一个关于tf的问题。图层。conv3d。如果我理解正确，它需要输入形状 （批次x深度x高度x宽度x通道） 其中通道应该只有一个；给定一个过滤器（深度x高度x宽度），它创建#个过滤器相同形状的不同过滤器以创建#个过滤器输出通道并将它们与输入卷积以获得形状的输出 （批次x out\u深度x out\u高度x out\u宽度x num\u过滤器） 首先，我现在是对的吗？问题是：在我看来，这一层不符合

我正试图在Ubuntu 16上安装tensorflow for python 2.7。我正在使用pip安装tensorflow gpu，在终端中收到以下消息： 已满足要求：tensorflow gpu in/usr/local/lib/python3.5/dist-packages已满足要求：wheel 当我尝试导入tensorflow时，它会说

我在我的电脑里得到了笔记本“使用Tensorflow IO从Elasticsearch流式传输结构化数据”。 “本教程侧重于将数据从Elasticsearch集群流式传输到tf.data.数据集，然后与tf.keras一起用于训练和推理。” 按照说明操作，elasticsearch已在本地安装（Windows 10，ELK 1.9版） 一步一步运行确定，但在步骤“训练数据集”中，当练习从“训练”和

试图量化神经网络。我在tenorflow repo目录中运行了以下命令 并得到错误： 错误：跳过“tensorflow/tools/quantization/tools:Quantizaze_graph”：没有这样的包“tensorflow/tools/quantization/tools”：在包路径上找不到生成文件警告：目标模式解析失败。错误：没有这样的包“tensorflow/tools/qu