《tensorflow》专题

我试图用TensorFlow建立一个简单的神经网络。目标是在32像素x 32像素的图像中找到矩形的中心。矩形由五个向量描述。第一个向量是位置向量，其他四个是方向向量，组成矩形边。一个向量有两个值（x和y）。 该图像的相应输入为（2,5）（0,4）（6,0）（0，-4）（-6,0）。中心（以及所需输出）位于（5,7）。 我想出的代码如下所示： 遗憾的是，网络无法正常学习。结果太离谱了。例如，[[3.

我试图使用make_template（）来避免在整个模型中传递重用标志。但make_template（）在python类中使用时似乎无法正常工作。我粘贴了]我的模型代码和下面出现的错误。这是一个在MNIST数据集上进行训练的简单MLP。 由于代码有点长，这里的主要部分是_weights（）函数。我尝试使用make_template（）包装它，然后在其中使用get_variables（）在整个模型中

因此，我在TensorFlow 2中使用tf.keras框架重新训练了一个预先训练的ResNet50 V2模型，在顶部添加了两个密集层。现在我想在基本ResNet模型中可视化层中的权重。但是，重新加载保存的模型 导致 如您所见，ResNet模型的层没有单独列出，这意味着调用 只会导致 因此，如何访问基本ResNet50 V2模型中每个层内部的权重？

我按照教程中的步骤使用Tensorflow训练神经网络，如上所示https://www.tensorflow.org/alpha/tutorials/keras/overfit_and_underfit 在训练数据值上运行拟合函数时，遇到输入形状有问题的错误。 模型架构： ---------------------------------------------------------------

我使用Keras/Tensorflow在python中创建了一个程序。我对数据的创建和训练没有任何问题。但是，当我想评估我的模型时，我有以下错误： 这似乎是一个内存分配问题。我缩小了模型的尺寸，缩小了所有参数，但没有任何变化。我不知道如何解决这个问题。

通过调试信息，我指的是TensorFlow在我的终端中显示的关于加载的库和找到的设备等的信息，而不是Python错误。

我从网络摄像头中添加了目标检测代码，当我运行此代码时，它会显示检测2-5秒，然后在imshow窗口中显示未响应。 注： > 我用的是cv2。等待键（1），cv2。waitKey（0）也是，结果相同。 我正在使用tensorflow gpu，它检测到我的gpu:1050ti。 但是OpenCV使用CPU来显示图像。 更新部分： [已解决]我刚刚创建了新的conda环境并安装了tensorflow版本

我试图使用TensorFlow-Transform V0.11.0和beam仅在本地预处理大量数据（一个tfrecord文件~1GO)。 非常感谢你为我提供的任何帮助！

我正在尝试使用Tensorflow服务项目为HDFS的Tensorflow模型提供服务。 我正在运行tenorflow服务docker容器标签1.10.1https://hub.docker.com/r/tensorflow/serving 我可以看到tensorflow/serving repo在 https://github.com/tensorflow/serving/blob/628702

我正在尝试使用我们自己的CSV数据集运行本教程的训练模型，其中每一行由4个int值（最后一个是标签）组成，距离使用TensorFlow Serving： 我正在远处使用Docker运行TensorFlow Serving，我的开发环境是使用Python 3.6的Windows。 我使用以下代码导出模型，类似于此处给出的示例： 老实说，我不确定会有什么样的结果，但是在本指南中，half _ plus

我按照TF初学者教程中的步骤创建了一个简单的分类模型。它们如下： 我保存了这个模型: 然后，我尝试使用这个TF教程为这个模型提供服务。我执行以下操作： 我试着这样称呼这个模型： 我收到以下错误： { “error”： “index = 1 不在 [0， 1）\n\t [[{{node StatefulPartitionedCall_51/StatefulPartitionedCall/sequen

这是我第一次使用sagemaker来服务我自己的自定义张量流模型，所以我一直在使用媒体文章来让我开始： 如何为AWS SageMaker创建TensorFlow服务容器＜br＞如何将Docker映像推送到AWS ECS存储库＜br＞使用TensorFlow服务部署AWS Sage Maker容器＜br>如何使用Tensor Flow服务对SageMakendpoint进行预测 我设法创建了我的服务

运行命令： 日志： 2020-03-27 03:47:12.744007:I tensor flow _ serving/core/loader _ harness . cc:87]成功加载可服务版本{ name:docker _ test version:1 } e 0327 03:47:12.745641810 6 server _ chttp 2 . cc:40]{ " created ":

为培训标签提供奇怪的输出，如下所示： 但是正在为验证标签打印普通数组， 换句话说，

我是Azure机器学习的新手，所以我希望我做的一切都很好。我用GPU类型的新计算实例创建了新的Jupyter笔记本 但是跑步的时候 从tensorflow文档中，我得到了数字0——当检查我有什么设备时，它只是一些CPU 你知道这是为什么吗？在这里做什么？ 看起来有了PyTorch，一切都很好，正在运行 返回True 软件包版本是： tensorflow 2.4。0