我有一个基本的tf TPUEstimator，我用它来训练我的神经网络，它成功地训练了，并在标准输出日志和TensorBoard输出日志文件中记录了减少的损失。Tensorflow版本为1.14，Python3.7
浏览 9提问于2019-10-04得票数 1
使用Python Sagemaker SDK，可以使用以下代码使用TensorFlow启动训练作业： import sagemakertf_estimator = TensorFlow(...)
tf_estimator.fit(...)是否可以在此脚本中的某处指定训练的最大运行时间？
浏览 18提问于2020-06-16得票数 1
1回答
我正在使用脚本模式来训练分类算法。训练是可以的，但是我不能做增量训练。我想用新的数据再次训练同样的模型。这就是我所做的。这是我的剧本：from sagemaker.tensorflow import TensorFlow
tf_estim
浏览 3提问于2019-11-28得票数 1
回答已采纳
在使用seq2seq体系结构的网络NMT中，在推理过程中，需要在训练阶段训练嵌入变量作为GreedyEmbeddingHelper或BeamSearchDecoder的输入。问题是，在使用Estimator进行训练和推断的情况下，如何提取经过训练的嵌入变量用于预测？
浏览 0提问于2018-03-25得票数 0
回答已采纳
我正在使用Tensorflow Estimator训练一个模型，而且我的数据是不平衡的。我想通过加权每个训练例子来纠正这一点。
在原始的Tensorflow中，可以使用。在Estimator中有什么简单的方法可以做到这一点吗？也许构建一个定制的input_fn
浏览 5提问于2017-11-02得票数 4
Tensorflow Keras模型和Tensorflow估计器都能够训练神经网络模型，并使用它们来预测新数据。它们都是建立在低级核心TensorFlow应用程序接口之上的高级API。
浏览 6提问于2018-07-21得票数 59
回答已采纳
使用Python Sagemaker SDK，用户可以使用TensorFlow启动训练作业，并使用以下代码指定S3存储桶，其中的结果应放在属性model_dir上fromsagemaker.tensorflow import TensorFlow
tf_estimator = TensorFlow(model_dir='s3://bucket_name',
浏览 2提问于2020-06-17得票数 0
我正在使用AWS Sagemaker进行模型训练和部署，这是模型训练的示例 from sagemaker.estimator import Estimatorinstance_type = 'ml.m4.xlarge'
estimator = Estimator(role=role,(data_location) 这里提到的docker镜像是一个tensorfl
浏览 15提问于2019-01-04得票数 0
回答已采纳
我想在我的多图形处理器系统上使用tf.contrib.distribute.MirroredStrategy()，但它没有使用GPU进行训练(参见下面的输出)。(train_distribute=strategy)INFO:tensorflow:Device is available but not used by distribute strategy: /devic
浏览 49提问于2019-02-19得票数 9
但是，我仍然不知道如何在这两个过程之间切换(训练和评估)。我尝试了以下几点： model_fn=model_fn, model_dir5个检查点；在训练集上150批之后，使用30批验证数据计算验证错误。从日志来看，培训似乎在第一个评估步骤之后停止。编辑:在运行实验之后，我意识到max_steps控制整个训练过程的步骤数，而不仅仅是计算测试集上的
浏览 1提问于2018-04-02得票数 14
根据tensorflow文档，一种方法是创建tensorflow估计器，并使用"serving_input_receiver_fn“对数据进行预处理。这将是完美的，除非我不能把一个已经受过训练的本地Keras模型变成一个估计器。它似乎是从tf.keras模型(而不是像我这样的本地keras模型)创建它的唯一方法，并直接使用估计器来训练它。
浏览 0提问于2019-06-25得票数 1
在Keras中，您可以使用以下命令加载以前训练过的模型：有没有使用TensorFlowestimator进行此操作的等效方法？根据文档，我必须使用：
trained_estimator = tf.estimator.Estimator (model_fn，model_dir)我希望仅使用模型目录中的文件来获得经过训练的估计器。更清楚地说，我的想法是
浏览 0提问于2018-02-12得票数 2
我正在尝试创建一个自定义的tensorflow tf.Estimator。在传递给tf.Estimator的model_fn中，我从Tensorflow Hub导入了Inception_V3模块。我是Tensorflow和Tensorflow Hub的新手，所以我可能会犯很多新手错误。这是我所做的(编辑
浏览 4提问于2019-02-16得票数 0
= tf.estimator.Estimator( config = run_config, )
estimator = estimator,
train_input_fn = train_input_fn:在2017-09-05-20:06:07开始评估信息:tensorflow:从
浏览 2提问于2017-09-05得票数 3
回答已采纳
我正在尝试使用一个预先训练的伯特模型，用SST2数据处理器进行微调。但是当我给出预训练模型的检查点时，它显示的是“在检查点中找不到密钥output_bias”。我想这可能是因为预先训练过的伯特模型检查站出了差错。所以我又做了一次训练。但是，我仍然面临着同样的问题。原始错误:在检查点[节点保存/RestoreV2 2(定义在/home/subraas3/.conda/envs/tensorflow_13/lib/python3.
浏览 0提问于2019-08-19得票数 1
我使用了Tensorflow估计器，并显式地使用了tf.estimator.train_and_evaluate()方法。有一个早期停止挂钩的训练，即tf.contrib.estimator.stop_if_no_decrease_hook，但我确实有一个问题，训练损失是太紧张，不能用在早期停止。有没有人知道如何在评估损失的基础上及早停止使用tf.estimator？
浏览 0提问于2020-03-14得票数 4
1回答
我有一个sklearn管道，它由一个自定义转换器组成，后面是XGBClassifier。我想在转换器中添加的最后一步是另一个自定义转换器，它转换XGBClassifier的结果。Pipeline([ ('clf', XGBCLassifier()),问题是sklearn管道要求所有步骤(除了最后
浏览 1提问于2020-11-26得票数 1
在Cloud TPU上训练对象检测器时，我得到以下错误： Error recorded from training_loop: Gradient for FeatureExtractor/MobilenetV1/Conv2d_13_pointwise_1_Conv2d_5_1x1_48/weights:0 is NaN : Tensor had NaN values 在我的训练中，这总是发生在同一步。我跟随this guide在谷歌的TPU系统上训练了物体探测器。"/usr/loc
浏览 61提问于2019-04-13得票数 0
我在尝试保存一个经过训练的模型时遇到了问题，我尝试过： model.save('~/Desktop/models/') 但是它给了我一个错误AttributeError: 'DNNRegressorV2tf.saved_model.save(model, mobilenet_save_path) 但是它给了我一个错误ValueError: Expected a Trackable object for export, got <tensorflow_estimator.pyt
浏览 158提问于2021-01-26得票数 0
我正尝试在“交互”模式下使用tensorflow神经网络:我的目标是加载一个经过训练的模型，将其保存在内存中，然后偶尔对其执行推理。问题是显然tensorflow Estimator类(tf.estimator.Estimator)不允许这样做。谢谢
浏览 1提问于2018-05-06得票数 1
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
