《tensorflow》专题

OS X版本：10.11.5（El Capitan） TensorFlow版本：9.0 安装pip后，我按照TensorF的“Pip安装”下的说明安装TensorFlowlow.org. 然后 然而，即使我复制并粘贴了命令，我还是收到了“URLError”。 sudo pip安装-升级$TF_BINARY_URL下载/解压https://storage.googleapis.com/tensorf

我有一个keras模型，当我从keras导入子模块（层、后端函数）时，它工作得很好。但是，如果我从tensorflow中导入这些，相同的精确模型会中断。克拉斯。 下面是一个说明问题的例子： 从keras导入时，一切正常。从tensorflow导入。keras导致了这一点（当我调用model.predict或model.fit_生成器时）： 错误：tensorflow:===============

我正在尝试在Windows10中使用tensorflow gpu 2.4。0到目标检测。我不知道如何修正这个错误，你能帮我吗？ （tensorflow1）C:\tensorflow1\models\research\object\u detection 提前谢谢你！

我正在尝试使用TensorFlow model zoo的ssd_mobilenet_v2_fpnlite_320x320_coco17_tpu-8模型使用TensorFlow对象检测API进行对象检测。我能够使用ckpt文件检测单个测试图像（保存为ckpt-17.data-00000-of-00001） 我需要将此ckpt转换为一些保存的模型文件（.pb/.h5），以便在简单的flask weba

我已经和Tensorflow合作了很长一段时间，有一些问题，但它们从来没有解决过。今天，当事情变得有趣时，我想训练一个新的模型。起初，训练在一步之后无缘无故地停止了。它以前发生过，打开一个新的cmd窗口解决了它。这次不难。在我再次尝试之后，我开始训练。py开始抛出这个： Windows致命异常：访问违规 当前线程0x000018d4（最新调用优先）： 文件“C:\windows\system32\

所以我尝试重新训练一个快速的对象检测模型，只使用一个类，我尝试在本地（在VM上）和通过ML引擎运行它。但是，我在train_config文件方面一直遇到相同的错误，这是对更快的_rcnn_resnet50_coco的改编。配置： Traceback（最近一次调用）：File"/usr/lib/python2.7/runpy.py"，第174行，_run_module_as_mainmain，fna

我在火车上遇到了一个问题。执行力差。 这是命令行：python train。py--logtoderr--train\u dir=training/--pipeline\u config\u path=training/ssd\u inception\u v2\u coco。配置 结果是： 警告：tensorflow:From/home/vivien/。conda/envs/tensorflow\

我已经根据提供的文档正确安装了Tensorflow对象检测API。然而，当我需要训练我的网络时，没有训练。研究/object\u检测目录中的py文件。我能做些什么来解决这个问题吗？ 链接：https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/installation.md

我想在多个CPU上训练，所以我运行这个命令 C：\用户\解决方案\桌面\Tensorflow\研究 我得到了下面的错误 Traceback（最近一次调用）：文件"object_detection/train.py"，第169行，在tf.app.run（）文件"C：\用户\解决方案\AppData\本地\程序\Python\Python35\lib\site-包\tenorflow\python\平

我在Windows上运行了TensorFlow目标检测安装。 https://medium.com/riow/tensorflow-object-detection-on-windows-ad10bfde217c 成功安装TensorFlow目标检测后， 我运行以下命令进行测试，并收到下面的错误。如何解决这个问题？ 错误：Traceback（最近一次调用最后）：文件"C：\TestImage\模型

当我试图在Github上使用自己的指南测试tenstorFlow目标检测API时发生了一个错误我在运行他们指南中提到的测试脚本时遇到了以下错误 python对象检测/构建器/模型构建器测试。py/home/appu/anaconda3/envs/ml/lib/python3。6/importlib/_引导。py:219:RuntimeWarning:compiletime模块“tensorflow

我正在实现一个依赖于3D卷积的模型（对于类似于动作识别的任务），我想使用批量规范化（参见 下面的代码引用了TensorFlow r0.12，它显式地引用了变量——我的意思是我没有使用tf。承包商。学习tf以外的内容。承包商。图层。batch\u norm（）函数。我这样做是为了更好地理解事情是如何运作的，并且有更多的实现自由度（例如，变量摘要）。 我将通过首先编写完全连接层的示例，然后编写2D卷积

我正在查看TensorFlow中的官方批处理规范化层（BN），但它并没有真正解释如何将其用于卷积层。有人知道如何做到这一点吗？特别重要的是，它应用并学习每个特征映射（而不是每个激活）的相同参数。以其他顺序，它应用并学习每个过滤器的BN。 在一个特定的玩具示例中，我想用MNIST上的BN（基本上是2D数据）执行conv2d。因此，我们可以做到： 其中，z=BN（z）将BN应用于每个过滤器创建的每个特

我的问题是批处理规范化（BN）正在规范化什么。 我在问，BN是单独标准化每个像素的通道还是一起标准化所有像素的通道。它是在每张图像的基础上还是在整个批次的所有通道上进行的。 具体而言，BN在X上运行。比如说，。因此，当轴=3时，它在“c”维度上运行，即通道数（对于rgb）或特征图数。 因此，假设X是rgb，因此有3个通道。BN是否做到了以下几点：（这是BN的简化版本，用于讨论维度方面。我知道gam

这是我的测试代码。但它无法运行。终端总是给我这个错误： 回溯（最后一次调用）： 文件“desktop/test.py”，第28行，在loss=tf中。缩减平均值（tf.reduce\u和（tf.square（ys预测），缩减指数=[1]） 文件“/Users/sumeixu/anaconda3/lib/python3.6/site packages/tensorflow/python/ops/ma