《tensorflow》专题

问题内容： 我正在使用TensorFlow训练用于医学图像应用的CNN。 由于我没有大量数据，因此我尝试在训练循环中对训练批次进行随机修改，以人为地增加训练数据集。我用其他脚本编写了以下函数，并在我的培训批次中调用它： 该代码很好地适用于对我的图像进行修改。 问题是 ： 在我的训练循环的每个迭代（前馈+反向传播）之后，将相同的功能稳定地应用到我的下一个训练批次中，将比上一次稳定地花费5秒。 处理大

问题内容： 我有两个GPU，想同时通过ipynb运行两个不同的网络，但是第一个笔记本始终分配两个GPU。 使用CUDA_VISIBLE_DEVICES，我可以隐藏python文件的设备，但是我不确定如何在笔记本中这样做。 无论如何，是否会将不同的GPU隐藏在同一服务器上运行的笔记本电脑中？ 问题答案： 您可以使用在笔记本中设置环境变量。在初始化TensorFlow以便将TensorFlow限制为第

问题内容： Tensorflow中的图形对象具有一种称为“ get_tensor_by_name（name）”的方法。反正有没有得到有效张量名称的列表？ 如果不是，那么有人从这里知道预训练模型inception-v3的有效名称吗？从他们的示例pool_3开始，它是一个有效的张量，但是所有这些列表都很好。我看了一下所提到的文件，其中一些层似乎与表1中的大小相对应，但并非全部。 问题答案： 本文没有准

问题内容： 我在TensorFlow领域相对较新，对您如何 实际 将CSV数据读取到TensorFlow中可用的示例/标签张量中感到困惑。TensorFlow教程中有关读取CSV数据的示例相当分散，仅使您成为能够训练CSV数据的一部分。 这是我根据CSV教程整理而成的代码： 这是我正在加载的CSV文件中的一个简短示例-基本数据-4个功能列和1个标签列： 上面的所有代码都是 从CSV文件中逐个打印每

问题内容： 之间有什么区别 和 在TensorFlow中？用代替构造图形时，计算图形会有什么不同？ 更一般而言， 张量或其他运算是否过载？ 问题答案： 如果或中的至少一个是对象，则表达式和是等效的。您可能使用的主要原因是为创建的op指定一个显式的关键字参数，这对于重载的运算符版本是不可能的。 请注意，如果也不是（例如，如果它们是NumPy数组），那么将不会创建TensorFlow op。总是创建一

问题内容： 我想在中复制以下代码。例如，我想为所有先前具有值的张量索引分配a 。 如果我在其中编写类似的代码，则会出现以下错误。 方括号中的条件应为。 有没有一种方法可以实现这种“条件赋值”（因为缺少更好的名称）？ 问题答案： TensorFlow API中提供了几种比较运算符。 但是，在直接操纵张量时，没有什么等效于简洁的NumPy语法。你必须要使用个人的，和运营商执行相同的操作。 您的NumP

问题内容： 我已经使用TensorFlow编写了RNN语言模型。该模型被实现为一个类。图结构内置在构造函数中，而and方法则运行它。 当我移到训练集中的新文档时，或者当我想在训练期间运行验证集时，我希望能够重置RNN状态。我通过在训练循环中管理状态，并通过Feed字典将其传递到图形中来实现此目的。 在构造函数中，我像这样定义RNN 训练循环如下所示 并且是在文档中的训练数据批次。这样做的想法是，每

问题内容： 从到目前为止的经验来看，有几种不同的方法可以将TensorFlow图转储到文件中，然后再将其加载到另一个程序中，但是我无法找到关于它们如何工作的清晰示例/信息。我已经知道的是： 使用a将模型的变量保存到检查点文件（.ckpt）中，并在以后还原它们（源） 将模型保存到.pb文件，然后使用和（source）将其加载回 从.pb文件加载模型，对其进行重新训练，然后使用Bazel将其转储到新的

问题内容： 我正在将我的Caffe网络移植到TensorFlow上，但似乎没有进行初始化的工作。我正在使用，但这似乎使训练变得更加困难。 问题答案： 在 Tensorflow 2.0 和 更高版本中 ，和均已弃用。为了进行Xavier初始化，您现在必须切换到： Glorot制服和Xavier制服是同一初始化类型的两个不同名称。如果您想了解有关如何在带有或不带有Keras的TF2.0中使用初始化的更

本文向大家介绍tensorflow 初始化未初始化的变量实例，包括了tensorflow 初始化未初始化的变量实例的使用技巧和注意事项，需要的朋友参考一下 今日在Stack Overflow上看到一个问如何只初始化未初始化的变量，有人提供了一个函数，特地粘贴过来共大家品鉴： 通过tf.global_variables()返回一个全局变量的列表global_vars, 然后以python列表解析式的

本文向大家介绍详解tensorflow实现迁移学习实例，包括了详解tensorflow实现迁移学习实例的使用技巧和注意事项，需要的朋友参考一下 本文主要是总结利用tensorflow实现迁移学习的基本步骤。 所谓迁移学习，就是将上一个问题上训练好的模型通过简单的调整使其适用于一个新的问题。比如说，我们可以保留训练好的Inception-v3模型中所有的参数，只替换最后一层全连接层。在最后一层全连接

本文向大家介绍Tensorflow 自带可视化Tensorboard使用方法(附项目代码)，包括了Tensorflow 自带可视化Tensorboard使用方法(附项目代码)的使用技巧和注意事项，需要的朋友参考一下 Tensorboard： 如何更直观的观察数据在神经网络中的变化，或是已经构建的神经网络的结构。上一篇文章说到，可以使用matplotlib第三方可视化，来进行一定程度上的可视化。然而

本文向大家介绍tensorflow训练中出现nan问题的解决，包括了tensorflow训练中出现nan问题的解决的使用技巧和注意事项，需要的朋友参考一下 深度学习中对于网络的训练是参数更新的过程，需要注意一种情况就是输入数据未做归一化时，如果前向传播结果已经是[0,0,0,1,0,0,0,0]这种形式，而真实结果是[1,0,0,0,0,0,0,0,0]，此时由于得出的结论不惧有概率性，而是错误的

本文向大家介绍tensorflow建立一个简单的神经网络的方法，包括了tensorflow建立一个简单的神经网络的方法的使用技巧和注意事项，需要的朋友参考一下 本笔记目的是通过tensorflow实现一个两层的神经网络。目的是实现一个二次函数的拟合。 如何添加一层网络 代码如下： 注意该函数中是xW+b，而不是Wx+b。所以要注意乘法的顺序。x应该定义为[类别数量， 数据数量]， W定义为[数据类

本文向大家介绍从零开始的TensorFlow+VScode开发环境搭建的步骤(图文)，包括了从零开始的TensorFlow+VScode开发环境搭建的步骤(图文)的使用技巧和注意事项，需要的朋友参考一下 VScode不愧是用户数量上升最快的编辑器，界面华丽（当然，需要配合各种主题插件），十分容易上手且功能强大。之前用它写C++体验十分nice，现在需要学习tensorflow，而工欲善其事必先利其