《tensorflow》专题
-
为什么Tensorflow分类示例没有使用激活函数？
我正试图按照这里提供的指导来训练一个二元分类器，并用它来对新图像进行预测。据我所知，在二元分类器模型的末尾通常需要一个Sigmoid激活函数，以将输出限制在0到1之间的范围内，但这个模型没有任何Softmax或Sigmoid函数: 当我使用model.predict()命令对新图像进行预测时，模型返回正值和负值，这些值不限于任何范围，我不知道如何解释它们。 我还尝试在最后一个Dense层Dense
-
Tensorflow 引发错误：导入错误：无法导入名称“export_saved_model”
似乎“将tensorflow导入为tf”直接引发了此错误 Colab link：https：//colab.research.google.com/drive/1Jr0j_I_npKQxcQ1ggJQFHTqoJHmt9Bqk
-
google colab中的Tensorflow估计器错误
我正在谷歌 colab 环境中的 tensorflow 中训练一个 DNN，代码直到昨天都运行良好，但现在当我运行代码的估计器训练部分时，它给出了一个错误。 我不知道到底是什么原因，谷歌colab是否使用任何更新版本的tensorflow，其中某些函数与旧版本不兼容？因为我之前的代码没有问题，我没有改变它。似乎其他代码也存在此问题，例如，斯坦福大学的此示例代码之前运行没有任何错误，https://
-
从setup.py安装时，无法在Google Colab中导入Tensorflow 2.2.0rc2
我试图在谷歌Colab中导入最新的rc2版本的Tensorflow（目前为2.2.0rc2），但是从我的 setup.py 安装脚本安装时无法做到这一点。 当我使用，一切正常，我可以导入tensorflow。 接下来是我如何在Google Colab中安装依赖项安装设置： 接下来是我的 setup.py 文件： 其次是要求。txt文件： 事实上，Google Colab附带Tensorflow 2
-
ImportError:无法从“tensorflow.python.eager.context”导入名称“get_config”
我的笔记本一直工作到今天。在我的colab笔记本开始时，我安装了tf-nigh，但现在它给了我这个错误： 我的代码: 安装tensorflow==2.1.0也不起作用。
-
连接Tensorflow中的空数组
所以基本上，我的问题与连接Numpy中的空数组相同，但对于TensorFlow。 主要的动机是以一种比使用if语句更漂亮的方式来处理初始数组。我当前的伪代码是： 这个技术是可行的，但是我想让它变得更漂亮，也许只使用。这是一个自定义层的代码，所以我对模型内部的代码感兴趣。 我想要一个更接近已接受响应的解决方案，将E初始化为:。 这个问题已经足够接近了，但当我将其初始化为： 我得到一个空的张量，结果只
-
ValueError：模型需要2个输入数组，但只收到一个数组（Keras/Tensorflow）
我目前正在尝试使用以下模型训练Keras模型。装配线： 两者都具有形状，这是模型的正确输入形状。 然而，由于某种原因，即使我传递了2个参数，我仍然得到以下错误： 这是我如何预处理图像的： 预处理后的图像在预处理后保存在numpy文件中： 在培训之前，我在培训之前加载如下numpy文件： 这是我的模型。总结： 模型的JSON架构位于此处：https://pastebin.com/TE0Nda1p 有
-
使用Tensorflow变换的Apache梁作业（Python）被云数据流杀死
此外，我的生产代码（未显示）会出现以下消息： 有什么提示吗？
-
找不到com。Android工具。构建：gradle:3.0。1.尝试构建tensorflow lite演示应用程序时
我得到了这个错误。我正在尝试构建Tensorflow lite演示应用程序，但它不起作用。 找不到com。Android工具。构建：gradle:3.0。1.在以下位置搜索：https://jcenter.bintray.com/com/android/tools/build/gradle/3.0.1/gradle-3.0.1.pom https://jcenter.bintray.com/com
-
机器学习：使用 NVIDIA JetsonTX2 - 安装TensorFlow
安装 TensorFlow 安装依赖套件 $ sudo apt-get install default-jdk libcupti-dev $ export JAVA_HOME='/usr/lib/jvm/java-8-openjdk-arm64/' 取得 TensorFlow 编译脚本 $ git clone git://github.com/jetsonhacks/installTenso
-
在安卓中使用自定义的 TensorFlow 版本
如果您是经验丰富的ML开发人员，并且预设的TensorFlow Lite库不能满足您的需求，则可以使用ML Kit 自定义TensorFlow Lite版本。例如，您可能想要添加自定义操作。 预设条件 一个可用的TensorFlow Lite构建环境 为Android捆绑自定义的TensorFlow Lite 构建Tensorflow Lite AAR： $ bazel build --cxxop
-
在 iOS 中使用自定义的 TensorFlow 版本
如果您是经验丰富的ML开发人员，并且预构建的TensorFlow Lite库不能满足您的需求，则可以使用ML Kit 自定义TensorFlow Lite版本。例如，您可能想要添加自定义操作。 先决条件 一个可用的TensorFlow Lite构建环境 检出(checkout)0.1.7的Tensorflow Lite 你可以通过使用git检出正确版本： $ git checkout -b wor
-
在安卓上通过 ML Kit 使用 TensorFlow Lite 模型进行推理
您可以通过ML Kit使用TensorFlow Lite模型执行设备上的推理 。 此API需要Android SDK level 16（Jelly Bean）或更新的版本。 有关此API使用的示例，请参阅GitHub上的ML Kit快速入门示例，或者尝试使用codelab。 在你开始之前 如果您还没有将Firebase添加到您的程序当中，那您可以从开始指南来开始您的工作。 在应用级的build.g
-
在 iOS 上通过 ML Kit 使用 TensorFlow Lite 模型进行推理
您可以使用ML Kit配合TensorFlow Lite模型执行在设备上的推理 。 ML Kit只能在运行iOS 9或更新版本的设备上使用TensorFlow Lite模型。 请参阅GitHub上的ML Kit快速入门示例，了解正在使用的此API的示例。 在开始之前 如果您还没有将Firebase添加到您的程序当中，那您可以从开始指南来开始您的工作。 将ML kit库放进您的Podfile中： p
-
AttributeError：模块“ tensorflow.python.training.checkpointable”没有属性“ CheckpointableBase”
问题内容： 我一直在学习人工智能以及如何使用Python进行编码。我正在从事一个项目，因此我决定更新一些Python软件包，这些软件包并不是新手，然后发生了一些事情并且无法编译我的代码。我删除了Anaconda3并再次设置，但没有用。我一直把这个问题写为主题。如果有人帮助我，我会寻求帮助的。 问题答案： 相同的问题已作为GitHub问题发布。特别地，@allanlavoie建议的解决方案在这里也可