Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
张量流:注册 numpy bfloat16 扩展
正如我所见 tensorflow 中有 bfloat16 的 numpy 扩展 https github com tensorflow tensorflow blob 24ffe9f729160a095a5cab8f592392018280
python
NumPy
tensorflow
Tensorflow 2.0 中的二阶导数
我正在尝试计算标量变量的简单向量函数的二阶导数f x x x 2 x 3 使用 TF 2 3 与tf GradientTape def f ab x return x x 2 x 3 import tensorflow as tf in1
tensorflow
machinelearning
deeplearning
tensorflow20
derivative
可以在 TensorFlow 中使用排名相关作为成本函数吗?
我正在处理偶尔充满异常值的极其嘈杂的数据 因此我主要依靠相关性来衡量我的神经网络的准确性 是否可以明确使用诸如等级相关性 斯皮尔曼相关系数 之类的东西作为我的成本函数 到目前为止 我主要依赖 MSE 作为相关性的代理 我现在面临三个主要障碍
python
tensorflow
用 tf.data 替换基于队列的输入管道
我正在阅读 Ganegedara 的 NLP with Tensorflow 输入pipieline的介绍有以下例子 import tensorflow as tf import numpy as np import os Defining
tensorflow
tensorflowdatasets
Tensorflow 可变图像输入大小(自动编码器、放大......)
Edit WARNING不建议使用不同图像大小的图像 因为张量需要具有相同的大小才能实现并行化 我一直在寻找解决方案 了解如何使用不同大小的图像作为神经网络的输入 Numpy 第一个想法是使用numpy 然而 由于每个图像的大小不同 我无法
python
tensorflow
Keras
Generator
tensorflowdatasets
UnimplementedError:图形执行错误:在张量流上运行 nn
我一直遇到这个错误 我不知道为什么 特别是因为我完全遵循某人的代码并且该人在运行此错误时没有错误 img shape 128 128 3 load pretrained model base model tf keras applicati
tensorflow
Keras
deeplearning
GPU
imageclassification
将tensorflow 2.0 BatchDataset转换为numpy数组
我有这个代码 train images test images tf keras datasets mnist load data train dataset tf data Dataset from tensor slices train
python
tensorflow
casting
TensorFlow:Dst 张量未初始化
The MNIST For ML Beginners当我运行时教程给我一个错误print sess run accuracy feed dict x mnist test images y mnist test labels 其他一切都运行
tensorflow
使用 TensorFlow 和 Keras 的卷积神经网络精度较低 [关闭]
Closed 这个问题是基于意见的 help closed questions 目前不接受答案 我计划创建一个 CNN 来预测蘑菇类型 并从互联网上收集了 2500 多张照片 数据集有 156 个类别 不同类型的蘑菇 我在 Tensorfl
python
tensorflow
machinelearning
Keras
neuralnetwork
自定义 Keras 损失函数中的 conv2d
我正在尝试基于两个图像的拉普拉斯算子在带有 TF 后端的 Keras 中实现自定义损失函数 def blur loss y true y pred weighting of blur loss alpha 1 mae losses mean
python
tensorflow
Keras
Tensorflow 训练期间 GPU 使用率非常低
我正在尝试为 10 类图像分类任务训练一个简单的多层感知器 这是 Udacity 深度学习课程作业的一部分 更准确地说 任务是对各种字体呈现的字母进行分类 数据集称为 notMNIST 我最终得到的代码看起来相当简单 但无论如何我在训练期间
python
deeplearning
GPU
tensorflow
张量流中检查点之间的间隔
如何指定张量流中两个连续检查点之间的间隔 里面没有选项tf train Saver来指定这一点 每次 我使用不同数量的全局步骤运行模型时 我都会得到检查点之间的新间隔 The tf train Saver https www tensorf
tensorflow
checkpoint
在 R 中使用深度网络和 MNIST 数据读取手写数字第 3 部分
我尝试编写一个基于深度网络的程序来读取手写数字 我在 Youtube 上找到了一个代码 https www youtube com watch v 5bso 5X7Zu4 https www youtube com watch v 5bso
r
tensorflow
Keras
OCR
MNIST
tf-models:official.vision.detection Mask-RCNN 无效参数:indices[1,63] = [1, -1] 未索引到参数形状 [2,100,112,112]
我正在尝试根据此处提供的官方 MaskRCNN 模型训练 Mask RCNN 模型 张量流 模型 https github com tensorflow models tree master official vision detectio
python
tensorflow
tensorflow20
tensorflowmodelgarden
在 Tensorflow2 中将图冻结为 pb
我们通过图形冻结保存来自 TF1 的许多模型 tf train write graph self session graph def some path get graph definitions with weights output g
python
tensorflow
machinelearning
tensorflow20
Scipy 稀疏 CSR 矩阵到 TensorFlow SparseTensor - 小批量梯度下降
我有一个 Scipy 稀疏 CSR 矩阵 它是根据 SVM Light 格式的稀疏 TF IDF 特征矩阵创建的 特征数量巨大且稀疏 所以我必须使用 SparseTensor 否则速度太慢 例如 特征数量为 5 示例文件如下所示 0 4 1
scipy
tensorflow
sparsematrix
gradientdescent
在基本 Tensorflow 2.0 中运行简单回归
我正在学习 Tensorflow 2 0 我认为在 Tensorflow 中实现最基本的简单线性回归是一个好主意 不幸的是 我遇到了几个问题 我想知道这里是否有人可以提供帮助 考虑以下设置 import tensorflow as tf 2
python
tensorflow
machinelearning
deeplearning
Regression
使用张量流导出神经网络的权重
我使用张量流工具编写了神经网络 一切正常 现在我想导出神经网络的最终权重以制定单一的预测方法 我怎样才能做到这一点 您需要在训练结束时使用以下命令保存模型tf train Saver https www tensorflow org ver
python
machinelearning
neuralnetwork
tensorflow
如何使用 tf.nn.top_k 返回的索引对多维张量进行排序?
我有两个多维张量a and b 我想按以下值对它们进行排序a I found tf nn top k https www tensorflow org versions r1 0 api docs python nn evaluation
tensorflow
使用预训练(Tensorflow)CNN 提取特征
深度学习已成功应用于多个大型数据集 用于对少数类别 猫 狗 汽车 飞机等 进行分类 其性能优于 SIFT 特征袋 颜色直方图等更简单的描述符 然而 训练这样的网络需要每个类别大量的数据和大量的训练时间 然而 在花时间设计和训练这样一种设备并
machinelearning
ComputerVision
deeplearning
tensorflow
1
2
3
4
5
6
...100
»